[發明專利]一種基于高階相關學習的機車節能優化自動駕駛方法有效
| 申請號： | 201710038010.8 | 申請日： | 2017-01-18 |
| 公開（公告）號： | CN106844947B | 公開（公告）日： | 2019-11-26 |
| 發明（設計）人： | 盧莎;黃晉;高躍;夏雅楠;楊英;趙曦濱;顧明 | 申請（專利權）人： | 清華大學;中車信息技術有限公司;中車大連機車研究所有限公司 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50;G06K9/62;G06Q10/04;B61C17/00 |
| 代理公司： | 11457 北京律譜知識產權代理事務所(普通合伙) | 代理人： | 羅建書<國際申請>=<國際公布>=<進入 |
| 地址： | 10008*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 相關 學習 機車 節能 優化 自動 駕駛 方法 | ||
1.一種基于高階相關學習的機車節能優化自動駕駛方法，其特征在于，所述的方法包括：
步驟1)、獲取司機對機車的實際駕駛數據和運行數據，并對實際駕駛數據和運行數據進行預處理；
步驟2)、確定影響機車油耗的因素，基于各因素的重要性提取與機車運行相關的特征組；
步驟3)、基于由構建的特征組描述的司機實際駕駛數據作為訓練數據構建超圖，并基于構建的超圖訓練學習模型，在訓練過程中對訓練數據進行標準化，調整所述特征組中至少部分特征的參數，同時通過迭代更新的方式訓練學習模型；
所構建的超圖定義為其中V是超圖中頂點的集合，ε是超圖中邊的集合，w是超圖中所有邊的權重的集合，
構建超圖的過程包括：將每一條訓練數據視為一個頂點，通過對所有的訓練數據進行聚類，每一個聚類為一條邊；將超圖表示成|V|×|ε|的關聯矩陣；
基于超圖獲得用于區別不同分類的學習投影矩陣M，所述學習投影矩陣M的代價函數包括以下三部分：超圖拉普拉斯正則化Ω(M)、經驗損失Remp(M)以及投影矩陣的正則化φ(M)；
步驟4)、將當前運行狀態下的由特征組描述的機車數據輸入訓練好的學習模型，基于所述學習模型獲得相應駕駛策略。
2.根據權利要求1所述的基于高階相關學習的機車節能優化自動駕駛方法，其特征在于，所述預處理包括將機車運行數據中的坡度值進行分類合并。
3.根據權利要求1所述的基于高階相關學習的機車節能優化自動駕駛方法，其特征在于，影響機車油耗的因素至少包括：機車屬性、線路特征和機車運行信息。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于清華大學;中車信息技術有限公司;中車大連機車研究所有限公司，未經清華大學;中車信息技術有限公司;中車大連機車研究所有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710038010.8/1.html，轉載請聲明來源鉆瓜專利網。
