数据机理混合驱动的交通车意图识别方法

交通车意图识别对提升智能汽车决策规划性能具有重要意义。本文从驾驶行为生成机理角度分析了驾驶人换道过程的各阶段,分别建立了基于马尔可夫决策过程的驾驶人意图预测模型、基于动态安全场的换道可行性分析模型和基于双向多长短期记忆网络(Bi-LSTM)的车辆行为识别模型。通过融合具有明确时序关系的上述模型,提出了一种数据机理混合驱动的交通车意图识别方法,并利用NGSIM数据集进行模型训练和验证。结果表明该方法在交通车到达换道点前1.8 s处的识别准确率即超过90%,在换道点处识别准确率可达97.88%,具有较高的识别准确率和较长的提前识别时间。

机理-数据混合驱动的气象敏感负荷需求响应潜力评估

为准确评估电网中气象敏感负荷需求响应潜力,提出了一种基于机理-数据驱动方法融合的气象敏感负荷需求响应潜力评估方法。该方法根据数据驱动的双分支神经网络模型估算电网层级的气象敏感负荷功率,基于热力学等值模型建立气象敏感负荷的机理聚合模型,并以聚合功率与估算功率误差最小为目标,采用控制变量法和粒子群优化算法优化确定机理聚合模型的等效参数(温控负荷设备数量、温度设定值等),同时综合考虑用户舒适度与意愿度等因素评估气象敏感负荷需求响应潜力。实例验证结果表明,该方法估算的气象敏感负荷功率与温度具有显著相关性,获得的机理聚合模型等效参数及需求响应潜力与实际情况相符且合理。

冗余转向系统电流传感器故障诊断及容错策略

对装配有双绕组电机的冗余转向系统,提出一种基于数据和机理混合驱动的电流传感器故障诊断及容错策略。进行冗余转向系统架构分析,分别建立电流传感器故障模型和双绕组永磁同步电机(Dual-winding permanent magnet synchronous motor,DW-PMSM)模型。在此基础上,设计电流传感器故障诊断及容错策略。采用坐标变换估计电机相电流,并以此作为非线性自回归(Nonlinear autoregressive with exogenous inputs,NARX)神经网络的外部输入,改变NARX网络结构实现DW-PMSM相电流的单步和多步预测,由此设计电流传感器的故障检测、定位和分类策略,提取传感器故障严重程度,通过电流传感器补偿或切换手段实现故障容错控制。基于Matlab/Simulink和d SPACE分别搭建了转向系统仿真平台和硬件在环平台,进行算法测试验证。结果表明,提出的算法能够在多种工况下迅速检测电流传感器故障并完成容错控制,提高冗余转向系统工作的可靠性和安全性。