一种基于K-means聚类与RBF神经网络的车速预测方法

摘要

本发明公开了一种基于K‑means聚类与RBF神经网络的车速预测方法，包括，采集历史工况数据进行预处理，形成RBF神经网络训练集；将所述训练集划分为若干个工况块，提取每个工况块的特征参数，基于K‑means聚类算法将所述工况块聚类为三个独立的簇；利用所述K‑means聚类算法构建RBF神经网络速度预测模型，根据划分聚类的所述独立簇进行训练；训练结束的所述预测模型识别前方道路状况，并选择相应的RBF神经网络进行预测。本发明主要应用于基于模型预测控制的能量管理策略，通过K‑means聚类与RBF神经网络对车速的实时预测，有效的提高了车辆速度预测精度，从而进一步提升车辆的燃油经济性。