一种基于互信息和数据模糊化的商用车实际载重预测方法

专利主权项内容

1.一种基于互信息和数据模糊化的商用车实际载重预测方法，其特征在于，包括如下步骤：步骤1：确定目标商用车的车辆特征信息，并在不同载重段下，获取相应的载重值以及目标商用车的道路行驶数据，所述道路行驶数据包含仿真行驶数据和实际行驶数据；所述仿真行驶数据包括仿真时间、仿真车速、仿真加速度、仿真加速度变化率、仿真转速、仿真转速变化率、仿真扭矩、仿真扭矩变化率、仿真发动机瞬时功率、仿真发动机瞬时功率变化率、仿真比功率、仿真比功率变化率、仿真坡度、仿真高程差和仿真传动比；所述实际行驶数据包括实际时间、实际车速、实际加速度、实际加速度变化率、实际转速、实际转速变化率、实际扭矩、实际扭矩变化率、实际发动机瞬时功率、实际发动机瞬时功率变化率、实际比功率、实际比功率变化率、实际坡度、实际高程差和实际传动比；步骤2：根据所述仿真行驶数据中的仿真加速度和仿真高程差，对不同载重段下的仿真行驶数据进行预处理；根据所述仿真行驶数据中的仿真时间和仿真车速，对预处理后的仿真行驶数据进行切割，获得仿真行驶数据子片段；步骤3：采用互信息理论，在仿真行驶数据子片段的特征参数中提取优选参数，选取互信息值最大的前五个特征参数，作为仿真行驶数据子片段的优选参数；步骤4：构建模糊化因子，生成模糊集，对优选参数进行模糊化处理，生成初步子片段数据集，并根据初步子片段数据集搭建商用车载重预测模型；步骤5：确定模糊化因子的最优取值，获取最优模糊化因子；步骤6：根据最优模糊化因子进行模糊化，获取最优子片段数据集作为训练数据，采用网格搜索和贝叶斯优化相结合的超参数寻优方法，对所述商用车载重预测模型的模型参数进行寻优，获取最优模型参数组合，并基于最优模型参数组合和最优子片段数据集，获取训练后的商用车载重预测模型；步骤7：基于实际行驶数据，划分出行链，并基于训练后的商用车载重预测模型，预测每个出行链的预测载重值。