一种车辆工况实时预测的方法与流程

技术特征：

1.一种车辆工况实时预测的方法，其特征在于，用具有优化预测条件的公式(1)马尔可夫模型进行速度预测：

P{X(t_m+1)＝j|X(t₁)＝x₁,X(t₂)＝x₂,...,X(t_m)＝x_m}

＝P{X(t_m+1)＝j|X(t_m)＝x_m},j∈I (1)

经过训练的BP神经网络对速度预测的误差进行补偿。

具体车辆工况实时预测的方法步骤如下：

1)在二维图形上记录车辆工况的速度和加速度，并将其网格化。

2)删除没有状态的网格，并将工况状态编码为一个维度。

3)利用公式(2)计算相邻时刻的状态转移概率：

P_ij＝N_ij/N_i (2)

式中：

N_ij＝从状态i到状态j的转换次数；

N_i＝从状态i到所有状态的总转换次数；

P_ij＝从状态i到状态j的转换概率。

4)将当前状态确定为k₀，然后建立一组随机数{r₁,r₂,r₃，...}。

5)根据公式(3)，将下一时刻的状态预测为k₁，

与此类似，根据k_i，将下一状态预测为k_i+1。

6)在原始网格中确定预测状态，然后在表格中查找并获得预测速度。

7)使用输入的实际速度和输出的预测速度误差来训练BP神经网络，然后再使用经过训练的BP神经网络并根据实际速度来维持补偿速度。

8)最终的预测速度等于由最优马尔可夫模型所预测的速度减去使用受训BP神经网络的补偿速度。

9)选择中国典型城市工况测试来验证所提出的工况预测方法的准确性，并采用公式(4)中均方根误差(RMSE)来评估工况预测的准确性：