基于模糊神经网络的车辆运行状态多维智能监测方法研究

摘要

车辆自动驾驶领域，其运行状态数据种类较多，特征模糊化明显，难以准确采集，导致车辆运行状态监测存在准确度低、精度低、时效慢等问题。为此，提出了基于模糊神经网络的车辆运行状态多维智能监测方法。首先，通过多传感器采集车辆运行状态数据，并使用自适应加权平均算法对采集到的数据实行融合处理；其次，通过自适应遗传算法和浮动搜索算法，获取车辆运行状态多融合数据的最优特征子集；最后，将车辆运行状态最优特征子集输入至模糊神经网络模型完成车辆运行状态多维智能监测。实验结果表明，所提方法能够实现对减速、正常、加速、抗蛇行四种车辆运行状态的准确监测，且对车辆运行状态的监测时效高，适用于实际应用。

关键词

车辆运行状态监测 / 多传感器 / 自适应加权平均算法 / 最优特征子集 / 模糊神经网络模型

基金资助

北京市科技局科技攻关项目(BJ2021KJA0122)