参数在线调整的ARBF-NN车速预测方法研究

作者：史立峰; 马彬^*; 郭兴; 姜文龙

来源：重庆理工大学学报：自然科学, 2022, 36(11): 31-39.

• 车速预测
• 自适应径向基函数神经网络
• 参数调整
• 滑动时间窗口
• 赤池信息准则

提出了一种基于参数自适应调整的在线径向基函数神经网络(adaptive radial basis function neural network, ARBF-NN)的车速预测方法，实现车速高精度预测。首先，基于车速采集系统获得实际工况车速数据，采用滑动时间窗口方法对车速数据进行样本化处理，建立预测模型训练样本库。其次，在分析输入层神经元数目和基函数标准差对RBF-NN车速预测精度影响的基础上，结合赤池信息准则对结构参数进行在线调整；最后，提出基于ARBF-NN的车速在线预测方法，实现了基于自车历史数据的车速高精度在线预测。仿真结果表明：所提出的ARBF-NN车速预测方法具有较高精度，相比于BP-NN精度提高53.36%,相比于RBF-NN精度提高54.47%,可为电动汽车车辆能量管理提供参考。

• 单位
  北京信息科技大学; 中国人民公安大学