CN119741837A 基于循环神经网络的道路坡度参数辨识方法及系统_第1页
CN119741837A 基于循环神经网络的道路坡度参数辨识方法及系统_第2页
CN119741837A 基于循环神经网络的道路坡度参数辨识方法及系统_第3页
CN119741837A 基于循环神经网络的道路坡度参数辨识方法及系统_第4页
CN119741837A 基于循环神经网络的道路坡度参数辨识方法及系统_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(10)申请公布号CN119741837A(71)申请人吉林大学号(57)摘要采集车辆通过道路坡度的坡度数据，将所述坡度数据采集车辆通过道路坡度的坡度数据，将所述坡度数据划分为训练集、验证集和测试集对坡度数据进行预处理，使用滑动窗口法将预处理后的坡度数据转换为三维结构采用不同的循环神经网络建立不同结构的坡度参数辨识模型，其中，所述不同的循环神经网络包括RNN、LSTM和GRU,所述不同结构包括单步输出结构、单步输出滚动迭代结构以及多步输出结构初始化各模型的网络结构和超参数，针对每种坡度参数辨识模型，利用训练集和验证集训练模型，更新模型参数，通过调整超参数和使用优化算法提高模型的拟合效果将测试集输入训练后的各模型，验证各模型的精度和泛化能力，对比分析得出最佳的坡度参数辨识模型运用所述最佳的坡度参数辨识模型获得车辆道路坡度参数辨识结果，并输出包括坡度值、坡度变化情况和坡度特征段信息的结果集2运用所述最佳的坡度参数辨识模型获得车辆道路坡度参数辨3初始化模型权重和偏置：确定每一层的输入和输出维度，根据4567附图说明89其中x;为特征数据原始值，Xmax和Xmin分别为样本数据的最大值和最小值，,而对应的标签为下一个时间步的坡度信息X₁01,接下来一个时刻是特征序列为X₂,X₃…X101,对应的标签为X10训练开始是训练结束Relu层输入层02s单步滚动道路坡度辨识结果0.40.4ActualvaluevsPredic420002s多步道路坡度辨识结果224205s多步道路坡度辨识结果23数据集样本总数训练集样本数测试集样本数训练集样本数测试集样本数输入

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论