基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

作     者：郑国峰 陈文 傅涛 ZHENG Guofeng;CHEN Wen;FU Tao

作者机构：重庆交通大学机电与车辆工程学院重庆400074 凯晟汽车技术(上海)有限公司上海201802 

出 版 物：《汽车工程学报》 (Chinese Journal of Automotive Engineering)

年 卷 期：2023年第13卷第5期

页      面：635-644页

学科分类：08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(52305147) 重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX1266) 中国博士后科学基金面上项目(2022M713438) 重庆市教委科学技术研究计划项目(KJQN2021000713) 

主　　题：主成分分析 学习向量量化神经网络 制动工况 路面类型特征识别 

摘      要：开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis—Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到97%,与传统BP神经网络的路面类型特征识别精度提升7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。