龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：本发明公开了一种结合机理的弱监督续驶里程估算和驾驶行为分析方法，包括：获取纯电动汽车的车辆驾驶数据、环境条件数据、电池状态数据和续驶里程数据；计算车辆驾驶特征和环境条件特征对续驶里程的转移熵；基于转移熵的相关特征筛选；构建续驶里程先验物理模型；确定模型的输入特征以及隐变量特征并划分训练集与验证集；构建变分自编码器模型并设置其参数；训练变分自编码器模型；进行续驶里程估算与驾驶员行为刻画。本发明通过弱监督的变分自编码器模型降低了续驶里程估算任务的成本；并融入了物理模型与因果约束，克服了变分自编码器难以学到解耦表征的难题；通过编码器与解码器，能够同时完成续驶里程估算与驾驶员行为推断任务。
主权项：1.一种结合机理的弱监督续驶里程估算和驾驶行为分析方法，其特征在于，包括：S1，获取纯电动汽车的车辆驾驶数据、环境条件数据、电池状态数据和续驶里程数据；S2，计算车辆驾驶特征和环境条件特征对续驶里程的转移熵；S3，基于转移熵筛选对纯电动汽车续驶里程相关性最大的特征；S4，构建续驶里程先验物理模型；S5，确定变分自编码器VAE模型的输入特征以及隐变量特征并划分训练集与验证集；S6，构建VAE模型，设置编码器与解码器的神经网络层数、各层网络中的神经元个数、学习率、编码器输出所服从的分布、训练数据批次大小；S7，训练VAE模型，将车辆驾驶数据与环境条件数据输入VAE模型中进行前向计算，计算VAE模型的损失函数值，利用动量梯度下降法更新VAE模型参数，完成VAE模型训练；所述VAE模型的损失函数由证据下界损失、物理损失和因果损失三部分构成；所述证据下界损失用于衡量经过VAE模型重构的样本与原样本之间的差距以及VAE模型生成的隐变量服从的分布与其先验分布之间的距离；所述物理损失用于衡量VAE模型生成的隐变量与输入特征之间满足续驶里程先验物理模型的程度；所述因果损失用于衡量VAE模型生成的隐变量之间的因果关联与真实因果关联之间的差距；S8，利用训练好的VAE模型的编码器部分估计纯电动汽车的续驶里程，利用训练好的VAE模型的解码器部分推断驾驶行为。
全文数据：
权利要求：
百度查询： 浙江大学 一种结合机理的弱监督续驶里程估算和驾驶行为分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号