一种基于核主元和神经网络的车辆运行实时工况预测方法

摘要

本发明公开一种基于核主元和神经网络的车辆运行实时工况预测方法，属于自动化技术领域。车辆运行实时工况预测中的道路特征间往往具有非线性特性，而主成分分析是一个线性过程，在降维的同时无法有效提取非线性特征，在特征信息不足的情况下，最终会影响工况预测准确性。本发明首先对车辆运行实时工况进行特征提取，然后引入核主元分析对工况特征做非线性映射，在降低特征维度的同时，提取工况特征的更有效的分量，采用BP神经网络利用降维后的特征对不同车辆工况进行识别。本发明提出的方法弥补了传统的基于主成分分析预测方法的不足，能提取更有效特征，简化神经网络结构，增强神经网络的泛化能力，提高车辆工况识别的正确率。