买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沈阳工业大学

摘要：本发明一种基于LSTM‑DTW重型车辆侧翻预警方法，具体是涉及对车辆运动参数侧倾角速度进行S‑G滤波有效降噪并保持信号原始信息的前提下利用LSTM神经网络进行趋势预测，将预测后的曲线与标准模板进行DTW模板匹配最终实现侧翻识别。其特征在于，该方法包括以下步骤：车辆侧翻曲线模板的获取；步骤二、车辆未来时间段内行驶状态的趋势预测；步骤三、预测曲线模板匹配侧翻识别。

主权项：1.一种基于LSTM-DTW重型车辆侧翻预警方法，其特征在于，该方法包括以下步骤：步骤一、车辆侧翻曲线模板的获取；步骤二、车辆未来时间段内行驶状态的趋势预测；步骤三、预测曲线模板匹配侧翻识别；所述的步骤二其车辆未来时间段内行驶状态的趋势预测的方法为：1获取车辆在不同条件下行驶的非侧翻数据及侧翻数据；2对已获取的数据进行S-G滤波降噪；根据训练的时间序列的长度和阶数，从卷积系数表中查找卷积系数，利用镜像延拓的方法改善由于卷积带来的边缘效应，将镜像延拓的结果与卷积系数进行卷积运算，按照帧长进行中间截断，若训练的效果不理想，可设置平滑次数，使提取的轨迹信息更加的光滑；3对降噪后的数据划分为训练数据和测试数据，并将预处理后的训练数据进行归一化处理并按照滑窗时间步长及预测的时间步长进行输入、输出划分；4建立LSTM深度神经网络模型，设置神经网络的相关参数，建立最优的LSTM深度神经网络；通过隐藏层神经元个数、批处理样本数量、训练迭代次数、学习速率来对LSTM神经网络进行设置，构建用于车辆运动参数趋势预测模型；网络进行设置，构建用于车辆运动参数预测的LSTM神经网络预测模型；5训练好的最优LSTM深度神经网络，预测未来车辆行驶状态参数；所述的步骤三预测曲线模板匹配侧翻识别的方法为：1根据侧倾角速度侧翻曲线的特征，定义两种侧倾角速度的侧翻模板，一种为工作侧翻曲线，另一种为辅助侧翻曲线；工作侧翻曲线模板斜率大于辅助侧翻曲线；2参数初始化：使用动态规整算法计算工作侧翻曲线与辅助侧翻曲线的距离记为W1、计算预测曲线与工作侧翻曲线的距离dis1，计算预测曲线与辅助侧翻曲线的距离dis2，同时计算二者的距离差值diffdis：diffdis＝dis1-dis22除此之外，还需实时计算非侧翻状态下已知时间序列曲线与工作侧翻曲线的平均距离，记为W2；3实时比较diffdist，diffdist-1，diffdist-2的结果，diffdist＜diffdist-1＜diffdist-23当满足公式3次数大于3且diffdistW1时，侧翻预警为I级；此时停止计算已知时间序列与侧翻工作曲线的平均距离W2；4在I级报警的状态下，当满足公式4发现工作侧翻曲线距离存在极小值时，进入II级报警状态；dis1t-1＜dis1t-2且dis1t＞dis1t-145在II级报警的状态下，当满足公式567时，进行III级报警，此时车辆进入严重侧翻状态；dis1t＜dis1t-1＜dis1t-25dis2t＜dis2t-1＞dis2t-26dis1t＜dis2t7在II级报警的状态下，而如果满足公式8dis1t＞dis1t-1＞dis1t-28且dis1t＞W2则解除侧翻报警。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种基于LSTM-DTW重型车辆侧翻预警方法