• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    汽車運(yùn)行狀態(tài)識別方法研究(一)——特征參數(shù)選擇

    2013-07-25 03:35:40
    中國機(jī)械工程 2013年9期
    關(guān)鍵詞:搜索算法全集子集

    田 毅 張 欣 張 昕 張 良

    1.裝甲兵工程學(xué)院,北京,100072 2.北京交通大學(xué),北京,100044 3.酒泉衛(wèi)星發(fā)射中心鐵路管理處,酒泉,732750

    0 引言

    混合動力電動汽車(HEV)被認(rèn)為是21世紀(jì)解決汽車面臨的石油能源危機(jī)和環(huán)境污染問題的有效方案之一,建立先進(jìn)合理的能量管理控制策略以及對現(xiàn)有控制策略進(jìn)行優(yōu)化已成為國內(nèi)外各研究機(jī)構(gòu)探索的核心技術(shù)之一?;旌蟿恿﹄妱悠嚨目刂撇呗耘c汽車運(yùn)行狀態(tài)緊密相聯(lián),在對控制策略進(jìn)行優(yōu)化的過程中,運(yùn)行工況不同,其優(yōu)化結(jié)果也不同,而且車輛實(shí)際行駛過程中所經(jīng)歷的隨機(jī)狀態(tài)與已制定的典型運(yùn)行工況也會有所差異。基于運(yùn)行狀態(tài)識別的智能控制策略是最新提出的HEV控制策略,它通過對汽車當(dāng)前的運(yùn)行狀態(tài)進(jìn)行識別來調(diào)整整車控制策略,使得HEV能夠適應(yīng)于不同的運(yùn)行狀態(tài)[1-6]。

    2002年,Lin等[1]采用10個參數(shù)建立了基于Hamming神經(jīng)網(wǎng)絡(luò)的汽車運(yùn)行狀態(tài)識別模型,對美國和韓國的6種典型運(yùn)行工況進(jìn)行了識別。2005年,Langari等[2]采用Ericsson定義的26個參數(shù),建立了基于學(xué)習(xí)向量量化(LVQ)神經(jīng)網(wǎng)絡(luò)的汽車運(yùn)行狀態(tài)識別模型,對美國LOS的運(yùn)行工況進(jìn)行識別。在我國,羅玉濤等[3]采用“工況塊”的概念,用工況的平均行駛車速和行駛距離作為特征參數(shù),通過模糊分類器對汽車運(yùn)行狀態(tài)進(jìn)行了識別。周楠等[4]采用循環(huán)平均車速、循環(huán)行駛平均車速等10個參數(shù),建立了基于簡單神經(jīng)網(wǎng)絡(luò)的汽車運(yùn)行狀態(tài)識別模型,對北京、紐約、長春、上海等地的汽車運(yùn)行工況進(jìn)行了識別。張良等[5]采用18個參數(shù),建立了基于支持向量機(jī)(SVM)的汽車運(yùn)行狀態(tài)識別模型,對我國上海和廣州市的汽車運(yùn)行工況進(jìn)行了識別。田毅等[6]采用13個參數(shù),建立了基于模糊神經(jīng)網(wǎng)絡(luò)的汽車運(yùn)行狀態(tài)識別模型,對不同敏感性參數(shù)的汽車運(yùn)行工況進(jìn)行了識別。

    對汽車運(yùn)行狀態(tài)識別算法進(jìn)行研究發(fā)現(xiàn),想要得到一個高性能的汽車運(yùn)行狀態(tài)識別模型,必須首先得到一個汽車運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集。實(shí)際上,目前在特征參數(shù)選擇的算法中,不論是基于Wrapper框架的,還是基于Filter框架的,都是針對確定的特征參數(shù)全集進(jìn)行選擇計(jì)算的。而在對汽車運(yùn)行狀態(tài)特征參數(shù)進(jìn)行分析后發(fā)現(xiàn),其中的分段參數(shù)部分的運(yùn)行狀態(tài)特征參數(shù)之間的邊界是不確定的,不同研究人員定義的特征參數(shù)之間的邊界也是不一樣的,因此特征參數(shù)全集也是不一樣的,對于這種特征參數(shù)選擇問題目前還鮮有人進(jìn)行研究。

    本文建立了一種基于混合搜索的汽車運(yùn)行狀態(tài)特征參數(shù)選擇方法,有效地把自適應(yīng)遺傳算法和浮動搜索算法的優(yōu)勢進(jìn)行結(jié)合,順利解決了汽車運(yùn)行狀態(tài)特征參數(shù)選擇問題。

    1 汽車運(yùn)行狀態(tài)特征參數(shù)選擇分析

    1.1 汽車運(yùn)行狀態(tài)特征參數(shù)全集分析

    汽車運(yùn)行狀態(tài)識別是一種在線識別,因此必須保證識別模型的準(zhǔn)確性和實(shí)時性。本文中采用一組共22個特征參數(shù)作為汽車運(yùn)行狀態(tài)特征參數(shù)全集,如表1所示,可分為標(biāo)準(zhǔn)參數(shù)、波動參數(shù)、分段參數(shù)[7]三部分。表中,v1、v2、v3為有關(guān)車速的特征參數(shù)之間的邊界,km/h;r1、r2為有關(guān)減速度的特征參數(shù)之間的邊界,m/s2;a1、a2為有關(guān)加速度的特征參數(shù)之間的邊界,m/s2。

    相對加速度aRPA的計(jì)算公式為[7]

    式中,v為車速,m/s;a為汽車加速度,m/s2;t為汽車運(yùn)行時間,s。

    汽車運(yùn)行狀態(tài)特征參數(shù)中分段參數(shù)部分是對汽車車速曲線變化規(guī)律的一種定性分析,研究人員可以根據(jù)自己的需要對分段參數(shù)部分的特征參數(shù)之間 的 邊 界v1、v2、v3、r1、r2、a1、a2定 義 不 同 的 數(shù)值。在汽車運(yùn)行狀態(tài)特征參數(shù)選擇時,需要對特征參數(shù)之間的邊界進(jìn)行優(yōu)化,從而計(jì)算得到最優(yōu)的特征參數(shù)全集,因此不能采用現(xiàn)有的特征參數(shù)選擇方法進(jìn)行汽車運(yùn)行狀態(tài)特征參數(shù)的選擇計(jì)算,需要建立新的算法來解決這種特征參數(shù)選擇問題。

    表1 樣本參數(shù)表

    1.2 測試數(shù)據(jù)集建立

    測試數(shù)據(jù)集是評價特征參數(shù)子集優(yōu)劣的基礎(chǔ),其結(jié)果直接影響到識別模型的準(zhǔn)確性及泛化能力。在建立汽車運(yùn)行狀態(tài)識別所需的車輛運(yùn)行工況測試數(shù)據(jù)集時,需要首先對汽車運(yùn)行狀態(tài)進(jìn)行分析,確定其分類類別。通過查閱我國《城市道路設(shè)計(jì)規(guī)范》、城市典型運(yùn)行工況制定等相關(guān)文獻(xiàn)后,發(fā)現(xiàn)快速路和主干道是我國大多數(shù)城市的主要交通路線。本文選用北京、上海、廣州和武漢作為我國城市的代表。另外,為了增加測試數(shù)據(jù)集的覆蓋面,提高汽車運(yùn)行狀態(tài)識別模型的識別準(zhǔn)確性和泛化能力,本文還采用GPS車速采集儀,對汽車在主干道和快速路上的實(shí)際運(yùn)行車速進(jìn)行了采集,采集結(jié)果如圖1所示。

    圖1 車速采集

    考慮到汽車在行駛過程中車速是一個時變量,汽車車速隨著時間的變化而變化。為了提高識別模型的實(shí)時性,本文采用滾動時間窗的方式對速度-時間曲線進(jìn)行分割[6],在此基礎(chǔ)上建立汽車運(yùn)行狀態(tài)特征參數(shù)選擇所需的測試數(shù)據(jù)集。通過計(jì)算這些速度小片段的汽車運(yùn)行狀態(tài)特征參數(shù),可以得到汽車運(yùn)行狀態(tài)的測試數(shù)據(jù)集,其中包括7784組數(shù)據(jù)的主干道測試數(shù)據(jù)集和5805組數(shù)據(jù)的快速路測試數(shù)據(jù)集。然后分別從主干道和快速路測試數(shù)據(jù)集中隨機(jī)選擇200個樣本作為運(yùn)行狀態(tài)分類器的訓(xùn)練數(shù)據(jù)集。

    1.3 特征參數(shù)選擇過程分析

    采用計(jì)算得到的汽車運(yùn)行狀態(tài)特征參數(shù)全集和測試數(shù)據(jù)集,對汽車運(yùn)行狀態(tài)特征參數(shù)選擇進(jìn)行分析,發(fā)現(xiàn)其具有兩個特點(diǎn):

    (1)汽車運(yùn)行狀態(tài)特征參數(shù)之間的邊界v1、v2、v3、r1、r2、a1、a2不確定,需要對邊界進(jìn)行優(yōu)化,才能計(jì)算得到最優(yōu)的特征參數(shù)全集。因此不能采用現(xiàn)有的特征參數(shù)選擇方法進(jìn)行汽車運(yùn)行狀態(tài)特征參數(shù)的選擇計(jì)算。

    (2)如果運(yùn)行狀態(tài)特征之間的邊界得到確定,則屬于中小規(guī)模特征全集的特征參數(shù)選擇問題,即全集χ中僅有22個參數(shù),完全可以采用現(xiàn)有的特征參數(shù)選擇方法進(jìn)行求解。

    因此在進(jìn)行汽車運(yùn)行狀態(tài)特征參數(shù)選擇時,采用以下步驟:確定輸入?yún)?shù)之間的邊界v1、v2、v3、r1、r2、a1、a2,計(jì)算特征參數(shù)全集;對于任意一組特征參數(shù)之間的邊界,都可以得到一個特征參數(shù)全集χ。識別準(zhǔn)確度的計(jì)算公式為

    式中,Racc為識別準(zhǔn)確度;k為測試數(shù)據(jù)集K中數(shù)據(jù)的個數(shù);Y′=φs(Sw)為分類器的預(yù)報值;Sw為汽車運(yùn)行狀態(tài)特征參數(shù)子集。

    當(dāng)Racc最大,Sw中特征參數(shù)個數(shù)最少時,當(dāng)前的Sw就是汽車運(yùn)行狀態(tài)特征參數(shù)的最優(yōu)子集。

    2 混合搜索算法總體結(jié)構(gòu)設(shè)計(jì)

    2.1 結(jié)構(gòu)框架設(shè)計(jì)

    通過對汽車運(yùn)行狀態(tài)特征參數(shù)選擇對象進(jìn)行研究,發(fā)現(xiàn)主要有兩種搜索對象,一種為對特征參數(shù)邊界進(jìn)行搜索,另外一種為對特征參數(shù)子集進(jìn)行搜索。因此本文針對這兩種搜索對象,采用內(nèi)外兩層循環(huán)的方式,對汽車運(yùn)行狀態(tài)特征參數(shù)進(jìn)行選擇。

    (1)外層循環(huán)的主要任務(wù)是尋找最優(yōu)的汽車運(yùn)行狀態(tài)特征參數(shù)之間的邊界,以便生成特征參數(shù)全集,也可以認(rèn)為是特征參數(shù)選擇問題的全局搜索操作。對汽車運(yùn)行狀態(tài)特征參數(shù)之間的邊界進(jìn)行搜索尋優(yōu)是一個多參數(shù)多目標(biāo)優(yōu)化問題,因此需要選擇智能搜索算法。常用的智能搜索算法為遺傳算法、蟻群算法、模擬退火算法等。本文中選用自適應(yīng)遺傳算法[8-9]作為外層循環(huán)的搜索方式。

    (2)內(nèi)層循環(huán)的主要任務(wù)是對外層循環(huán)得到的汽車運(yùn)行狀態(tài)特征參數(shù)全集進(jìn)行特征參數(shù)選擇計(jì)算,也可以認(rèn)為是汽車運(yùn)行狀態(tài)特征參數(shù)選擇問題的局部搜索操作。

    在汽車運(yùn)行狀態(tài)特征參數(shù)選擇過程中,如果內(nèi)層循環(huán)也采用遺傳算法進(jìn)行特征參數(shù)選擇,則計(jì)算時間過長,也容易產(chǎn)生局部最優(yōu)解,而且遺傳算法對于中小規(guī)模數(shù)據(jù)集的特征參數(shù)選擇來說并不具有優(yōu)勢。為了盡量縮短特征參數(shù)選擇的搜索時間,本文選用了對中小規(guī)模數(shù)據(jù)集搜索能力強(qiáng)的浮動搜索算法作為內(nèi)層循環(huán)的搜索算法。

    2.2 自適應(yīng)遺傳算法

    汽車運(yùn)行狀態(tài)特征參數(shù)邊界的優(yōu)化模型主要包括:優(yōu)化參數(shù)、約束條件和目標(biāo)函數(shù)。

    (1)優(yōu)化參數(shù)。根據(jù)1.1中的分析得到,運(yùn)行狀態(tài)特征參數(shù)之間的邊界v1、v2、v3、r1、r2、a1、a2是不確定的,因此本文將這些參數(shù)作為自適應(yīng)遺傳算法的優(yōu)化參數(shù)。

    (2)約束條件。本文對運(yùn)行狀態(tài)特征參數(shù)邊界,即優(yōu)化變量v1、v2、v3、r1、r2、a1、a2的約束區(qū)間上下限根據(jù)經(jīng)驗(yàn)確定,如表2所示。

    表2 優(yōu)化變量的約束區(qū)間

    (3)目標(biāo)函數(shù)。本文采用加權(quán)法建立遺傳算法中的目標(biāo)函數(shù),從而將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題。在汽車運(yùn)行狀態(tài)特征選擇問題中,遺傳算法的目標(biāo)函數(shù)為

    式中,f1為遺傳算法的目標(biāo)函數(shù)值;WA為分類器識別準(zhǔn)確度的權(quán)重;Nsw為特征參數(shù)子集中參數(shù)個數(shù);WF為特征參數(shù)子集中參數(shù)個數(shù)的權(quán)重。

    考慮到Racc和Nsw數(shù)量級的不同,本文中定義WA=0.99,WF=0.01。

    在遺傳算法計(jì)算過程中,通過選擇、雜交和變異三種基本形式,模擬自然選擇以及遺傳過程中的繁殖、雜交和突變現(xiàn)象。然而如果對于無論適應(yīng)度高的個體還是適應(yīng)度低的個體都以同樣的概率進(jìn)行交叉和變異操作,顯然是不合理的。本文采用自適應(yīng)的遺傳算法進(jìn)行計(jì)算,該算法對適應(yīng)度高的個體采用較小的概率進(jìn)行交叉和變異操作,對適應(yīng)度低的個體采用固定的概率進(jìn)行交叉和變異操作[9]。

    (1)選擇操作。本文中采用輪盤賭模型,按各染色體適應(yīng)度大小比例來決定其被選擇數(shù)目的多少。

    (2)交叉操作。交叉概率公式為

    式中,fi為待交叉的兩個個體中適應(yīng)度較高者的適應(yīng)度;favg為當(dāng)前種群中所有個體的平均適應(yīng)度;fbest為當(dāng)前種群中適應(yīng)度最高的個體適應(yīng)度。

    (3)變異操作。交異概率公式為

    2.3 浮動搜索算法

    傳統(tǒng)浮動搜索算法的起始點(diǎn)往往采用隨機(jī)生成的方式[10-11]。因此如果采用傳統(tǒng)的浮動搜索算法,混合搜索算法中每次進(jìn)行浮動搜索計(jì)算所選的起始點(diǎn)之間沒有任何關(guān)系,是相互獨(dú)立的。通過對采用遺傳算法得出的汽車運(yùn)行工況特征參數(shù)全集進(jìn)行分析后發(fā)現(xiàn),這些特征參數(shù)全集之間具有一定的類似性,因此本文提出了起始點(diǎn)種群間遺傳和個體間遺傳兩種選擇浮動搜索算法起始點(diǎn)的方法。

    (1)基于起始點(diǎn)種群間遺傳的混合搜索算法。在遺傳算法每個種群中所有個體計(jì)算完以后,對計(jì)算得到候選特征參數(shù)子集進(jìn)行評價,得到相對最優(yōu)的子集并遺傳給下一代。當(dāng)新的種群生成后進(jìn)行浮動搜索時,選用的起始點(diǎn)就是上一個種群計(jì)算得到的最優(yōu)子集。

    (2)基于起始點(diǎn)個體間遺傳的混合搜索算法。在遺傳算法每個個體計(jì)算完后,就進(jìn)行一次最優(yōu)子集評價,如果比原先的最優(yōu)子集好,則替代,并遺傳給下次搜索;如果不好,則放棄。當(dāng)新的個體進(jìn)行計(jì)算時,起始點(diǎn)就選從當(dāng)前的最優(yōu)子集開始搜索。采用起始點(diǎn)個體間遺傳的混合搜索算法對汽車運(yùn)行狀態(tài)特征參數(shù)進(jìn)行選擇的流程如圖2所示。

    圖2 采用起始點(diǎn)個體間遺傳的混合搜索算法流程圖

    3 汽車運(yùn)行狀態(tài)特征參數(shù)選擇計(jì)算結(jié)果及分析

    3.1 特征參數(shù)最優(yōu)子集

    表3 遺傳算法優(yōu)化后的特征參數(shù)之間的邊界

    3.2 特征參數(shù)最優(yōu)子集的參數(shù)個數(shù)對分類器準(zhǔn)確度的影響

    采用基于向后搜索的特征參數(shù)選擇方法,對優(yōu)化后的汽車運(yùn)行特征參數(shù)全集進(jìn)行搜索,分類器的識別準(zhǔn)確度隨特征參數(shù)個數(shù)的變化如圖3所示。從圖中可以得到,特征參數(shù)最優(yōu)子集中參數(shù)數(shù)目在8~12時,分類器的識別準(zhǔn)確度相差很小。而且,分類器的識別準(zhǔn)確度隨著最優(yōu)子集中特征參數(shù)個數(shù)的減少,先增加后減少。主要是因?yàn)椋禾卣鲄?shù)過多時,不重要的特征參數(shù)會對分類器造成干擾,影響分類器的識別準(zhǔn)確度;當(dāng)特征參數(shù)減少到一定程度時,分類器的識別準(zhǔn)確度保持不變;隨著特征參數(shù)進(jìn)一步減少,當(dāng)其不能完全反映汽車運(yùn)行狀態(tài)的特征時,減少特征參數(shù)個數(shù)會造成特征的缺失,從而導(dǎo)致分類器的識別準(zhǔn)確度大幅度降低。

    圖3 特征參數(shù)子集個數(shù)與分類器識別準(zhǔn)確度的關(guān)系

    3.3 采用不同起始點(diǎn)位置的浮動搜索算法的計(jì)算結(jié)果及分析

    對浮動搜索算法的起始點(diǎn),分別采用起始點(diǎn)獨(dú)立、起始點(diǎn)種群間遺傳和起始點(diǎn)個體間遺傳三種方式對汽車運(yùn)行狀態(tài)特征參數(shù)進(jìn)行選擇,計(jì)算結(jié)果如表4所示。

    表4 采用不同起始點(diǎn)位置的浮動搜索算法的計(jì)算結(jié)果

    從表4中可以得到,浮動搜索算法的起始點(diǎn)采用種群間遺傳或個體間遺傳的方式得到了相同的特征參數(shù)最優(yōu)子集,而且比采用起始點(diǎn)獨(dú)立方式計(jì)算得到的結(jié)果更好。分析原因主要是因?yàn)榛旌纤阉魉惴ㄖ懈铀阉鞑捎闷鹗键c(diǎn)獨(dú)立的方式,沒有充分利用到每次搜索得到的特征參數(shù)最優(yōu)子集的優(yōu)勢,起始點(diǎn)不是最優(yōu)點(diǎn),使得計(jì)算結(jié)果容易陷入局部最優(yōu)。相對于采用起始點(diǎn)獨(dú)立的方式,采用個體間遺傳的方式,可以使得搜索時間縮短45%,汽車運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集個數(shù)從11個降低到8個,采用特征參數(shù)最優(yōu)子集訓(xùn)練得到的分類器識別準(zhǔn)確度也有所提高。在汽車運(yùn)行狀態(tài)特征參數(shù)選擇計(jì)算過程中,起始點(diǎn)采用個體間遺傳的方式比采用種群間遺傳的方式的計(jì)算時間更短,原因是采用個體間遺傳的方式雖然增加了評價特征參數(shù)子集優(yōu)劣的時間,但是浮動搜索的起始點(diǎn)更加優(yōu)秀,最大程度地避免了無效搜索,縮短了搜索的時間。

    不同起始點(diǎn)位置的浮動搜索算法計(jì)算得到的最優(yōu)子集中特征參數(shù)個數(shù)隨進(jìn)化代數(shù)的變化曲線如圖4所示,由圖4a可以得到,特征參數(shù)個數(shù)雖然總體上隨著進(jìn)化代數(shù)的增加而減少,但是由于沒有充分利用每次搜索得到的特征參數(shù)最優(yōu)子集的優(yōu)勢,使得計(jì)算結(jié)果很容易脫離最優(yōu)區(qū)域,搜索初期會出現(xiàn)特征參數(shù)偶爾增加的情況,而且最終的結(jié)果也不是最優(yōu)解,只能得到11個參數(shù)的特征參數(shù)最優(yōu)子集。起始點(diǎn)個體間遺傳的搜索效率最高,當(dāng)進(jìn)化代數(shù)達(dá)到31代時就得到了最優(yōu)解,比起始點(diǎn)種群間遺傳要快6代,而且得到了8個參數(shù)的特征參數(shù)最優(yōu)子集。

    圖4 特征參數(shù)個數(shù)隨進(jìn)化代數(shù)的變化曲線

    4 結(jié)論

    為了解決汽車運(yùn)行狀態(tài)特征參數(shù)選擇問題,本文提出了一種混合搜索算法。該算法將自適應(yīng)遺傳算法和浮動搜索算法相結(jié)合,通過自適應(yīng)遺傳算法對汽車運(yùn)行狀態(tài)特征參數(shù)之間的邊界進(jìn)行搜索,依據(jù)獲得的邊界得出汽車運(yùn)行狀態(tài)特征參數(shù)全集特征;在此基礎(chǔ)上,以浮動搜索算法對全集參數(shù)進(jìn)行搜索,進(jìn)而選擇出汽車運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集。

    本文中還對最優(yōu)子集中參數(shù)數(shù)量進(jìn)行了分析,得到最優(yōu)子集的識別準(zhǔn)確度會隨著參數(shù)個數(shù)的減少先增大后減小的結(jié)論。另外,通過計(jì)算說明浮動搜索算法的起始點(diǎn)采用個體間遺傳的方式,相對于采用傳統(tǒng)的起始點(diǎn)獨(dú)立的方式,可以使得汽車運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集中參數(shù)個數(shù)從11個減少到8個,并可提高搜索效率和最優(yōu)子集的識別準(zhǔn)確度。

    [1]Lin C,Jeon S,Peng H,et al.Driving Pattern Recognition for Control of Hybrid Electric Trucks[J].Vehicle System Dynamics,2004,42(1/2):41-57.

    [2]Langari R,Won J S.Intelligent Energy Management Agent for a Parallel Hybrid Vehicle—Part I:System Architecture and Design of the Driving Situation Identification Process[C]//IEEE Transaxtions on Vehicular Technology.USA:IEEE,2005:925-935.

    [3]羅玉濤,胡紅斐,沈繼軍.混合動力電動汽車行駛工況分析與識別[J].華南理工大學(xué)學(xué)報(自然科學(xué)版),2007,35(6):8-13.Luo Yutao,Hu Hongfei,Shen Jijun.Analysis and Recognition of Running Cycles of Hybrid Electric Vehicle[J].Journal of South China University of Technology(Natural Science Edition),2007,35(6):8-13.

    [4]周楠,王慶年,曾小華.基于工況識別的HEV自適應(yīng)能量管理算法[J].湖南大學(xué)學(xué)報(自然科學(xué)版),2009,36(9):37-41.

    Zhou Nan,Wang Qingnian,Zeng Xiaohua.Adaptive HEV Energy Managemen Algorithms Based on Drive-cycle Recognition[J].Journal of Hunan University(Natural Sciences),2009,36(9):37-41.

    [5]Zhang Liang,Zhang Xin,Tian Yi,et al.Intelligent Energy Management for Parallel HEV Based on Driving Cycle Identification using SVM[C]//The Institution of Engineering and Technology,Proceedings of the 2009 International Workshop on Information Security and Application.Oulu:IWISA,2009:457-460.

    [6]田毅,張欣,張昕,等.基于神經(jīng)網(wǎng)絡(luò)工況識別的HEV模糊控制策略[J].控制理論與應(yīng)用,2011,28(3):363-369.

    Tian Yi,Zhang Xin,Zhang Xin,et al.HEV Fuzzy Control Strategy Based on the Neural Network Identification of Driving Cycle[J].Control Theory& Applications,2011,28(3):363-369.

    [7]Ericsson E.Independent Driving Pattern Factors and Their Influence on Fuel-use and Exhaust Emission Factors[J].Transportation Research Part D,2001,6(4):325-345.

    [8]魏志成.基于遺傳算法的魯棒數(shù)字圖像水印研究[D].天津:天津大學(xué),2007.

    [9]曾喻江.基于遺傳算法的衛(wèi)星星座設(shè)計(jì)[D].武漢:華中科技大學(xué),2007.

    [10]Somol P,Pudil P,Novovicova J,et al.Adaptive Floating Search Methods in Feature Selection[J].Pattern Recognition Letters,1999,20(3):1157-1163.

    [11]Songyot N,David P C.An Improvement on Floating Search Algorithms for Feature Subset Selection[J].Pattern Recognition,2009,42(4):1932-1940.

    猜你喜歡
    搜索算法全集子集
    嚴(yán)復(fù)全集
    由一道有關(guān)集合的子集個數(shù)題引發(fā)的思考
    拓?fù)淇臻g中緊致子集的性質(zhì)研究
    改進(jìn)的和聲搜索算法求解凸二次規(guī)劃及線性規(guī)劃
    關(guān)于奇數(shù)階二元子集的分離序列
    上海人民出版社 章太炎全集
    基于汽車接力的潮流轉(zhuǎn)移快速搜索算法
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    基于逐維改進(jìn)的自適應(yīng)步長布谷鳥搜索算法
    基于跳點(diǎn)搜索算法的網(wǎng)格地圖尋路
    亚洲国产精品久久男人天堂| 国产白丝娇喘喷水9色精品| 在线观看av片永久免费下载| 亚洲精品粉嫩美女一区| 天天躁日日操中文字幕| 亚洲国产精品久久男人天堂| 欧美日韩综合久久久久久| 精品人妻视频免费看| or卡值多少钱| 乱系列少妇在线播放| 国产成人a区在线观看| 三级男女做爰猛烈吃奶摸视频| 免费看a级黄色片| 亚洲国产欧美人成| 韩国av在线不卡| 亚洲av成人精品一区久久| 在线观看66精品国产| 无遮挡黄片免费观看| 久久久精品欧美日韩精品| 狂野欧美白嫩少妇大欣赏| 亚洲在线观看片| 久久久久国产网址| 日本 av在线| 黑人高潮一二区| 露出奶头的视频| 卡戴珊不雅视频在线播放| 精品欧美国产一区二区三| 男女那种视频在线观看| 亚洲人成网站在线播放欧美日韩| 国产成人精品久久久久久| 一级毛片aaaaaa免费看小| 日韩欧美国产在线观看| 色播亚洲综合网| 男女边吃奶边做爰视频| 国产国拍精品亚洲av在线观看| 国产蜜桃级精品一区二区三区| 亚洲自偷自拍三级| 狂野欧美激情性xxxx在线观看| 国产在视频线在精品| 亚洲国产日韩欧美精品在线观看| 女同久久另类99精品国产91| 人人妻人人澡欧美一区二区| 18禁黄网站禁片免费观看直播| 国产精品乱码一区二三区的特点| 久久久精品欧美日韩精品| 久久久久久国产a免费观看| 六月丁香七月| 精品欧美国产一区二区三| 欧美xxxx性猛交bbbb| 91精品国产九色| 欧美一级a爱片免费观看看| 国产伦一二天堂av在线观看| 国产精品久久久久久久电影| 欧美又色又爽又黄视频| 九九久久精品国产亚洲av麻豆| 乱人视频在线观看| 亚洲欧美清纯卡通| 国产单亲对白刺激| 免费人成在线观看视频色| 黄色日韩在线| 国产男靠女视频免费网站| 久久中文看片网| 午夜亚洲福利在线播放| 好男人在线观看高清免费视频| 中文字幕免费在线视频6| 看片在线看免费视频| 女同久久另类99精品国产91| 午夜影院日韩av| 国产精品人妻久久久影院| 午夜亚洲福利在线播放| 午夜爱爱视频在线播放| 亚洲欧美精品综合久久99| 国产在线精品亚洲第一网站| 国产伦一二天堂av在线观看| 人妻夜夜爽99麻豆av| 欧美日韩精品成人综合77777| 国产欧美日韩精品亚洲av| 观看美女的网站| 给我免费播放毛片高清在线观看| 久久草成人影院| 午夜视频国产福利| 欧美日韩一区二区视频在线观看视频在线 | 久久久精品欧美日韩精品| 插阴视频在线观看视频| 日本黄色片子视频| 日韩大尺度精品在线看网址| 精品少妇黑人巨大在线播放 | 欧美国产日韩亚洲一区| 免费av观看视频| 在线观看66精品国产| 久久精品国产自在天天线| 18禁在线播放成人免费| 欧美在线一区亚洲| 男人和女人高潮做爰伦理| 晚上一个人看的免费电影| 中文字幕av在线有码专区| 中文亚洲av片在线观看爽| 午夜影院日韩av| 男女边吃奶边做爰视频| 亚洲精品国产av成人精品 | av天堂在线播放| 国产伦精品一区二区三区视频9| 女生性感内裤真人,穿戴方法视频| 丝袜美腿在线中文| 99热全是精品| 精品国内亚洲2022精品成人| 三级经典国产精品| 91午夜精品亚洲一区二区三区| 国产私拍福利视频在线观看| 两个人视频免费观看高清| 精品人妻熟女av久视频| 老师上课跳d突然被开到最大视频| 国产毛片a区久久久久| 国产三级在线视频| 天堂√8在线中文| 国产精品久久久久久av不卡| 99热全是精品| 精品一区二区三区av网在线观看| 欧美激情久久久久久爽电影| ponron亚洲| 草草在线视频免费看| 精品久久国产蜜桃| 亚洲精品久久国产高清桃花| 国产单亲对白刺激| 看黄色毛片网站| 麻豆久久精品国产亚洲av| 看非洲黑人一级黄片| 长腿黑丝高跟| 中国美女看黄片| 亚洲一区高清亚洲精品| 国产伦精品一区二区三区四那| av天堂中文字幕网| 久久国产乱子免费精品| 变态另类丝袜制服| 亚洲七黄色美女视频| 国产淫片久久久久久久久| 亚洲精品乱码久久久v下载方式| 18+在线观看网站| 国产高清不卡午夜福利| 亚洲美女黄片视频| 国产视频一区二区在线看| 国产亚洲精品av在线| 看免费成人av毛片| 色5月婷婷丁香| 三级国产精品欧美在线观看| 免费在线观看影片大全网站| 国产精品亚洲一级av第二区| 美女免费视频网站| 少妇的逼好多水| 欧美成人a在线观看| 国产淫片久久久久久久久| 国产视频内射| 中文字幕久久专区| 国产白丝娇喘喷水9色精品| 三级国产精品欧美在线观看| 久久99热这里只有精品18| 一个人免费在线观看电影| 在现免费观看毛片| 九九爱精品视频在线观看| 精品久久久久久久人妻蜜臀av| 三级经典国产精品| av天堂在线播放| 成人三级黄色视频| 亚洲欧美日韩卡通动漫| 高清毛片免费观看视频网站| 特大巨黑吊av在线直播| 欧美激情国产日韩精品一区| 欧美日本亚洲视频在线播放| 欧美精品国产亚洲| 免费观看的影片在线观看| 亚洲久久久久久中文字幕| 久久鲁丝午夜福利片| 免费看a级黄色片| 成人特级av手机在线观看| 亚洲欧美中文字幕日韩二区| 久久久a久久爽久久v久久| 人人妻人人澡人人爽人人夜夜 | 国产高清三级在线| 国产探花极品一区二区| av天堂在线播放| 国产一区二区在线av高清观看| 免费看美女性在线毛片视频| 美女 人体艺术 gogo| 久久精品国产99精品国产亚洲性色| 99久久精品一区二区三区| 成人特级黄色片久久久久久久| 国产高清激情床上av| 日韩欧美免费精品| 男人和女人高潮做爰伦理| 日本三级黄在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 在线天堂最新版资源| 免费电影在线观看免费观看| 嫩草影院入口| 蜜桃亚洲精品一区二区三区| 国产av麻豆久久久久久久| 亚洲中文字幕一区二区三区有码在线看| 国产高清激情床上av| 欧美xxxx黑人xx丫x性爽| 亚洲不卡免费看| 伦理电影大哥的女人| 久久精品国产自在天天线| 午夜亚洲福利在线播放| 久久99热6这里只有精品| 日韩欧美在线乱码| 国产乱人视频| 亚州av有码| 俺也久久电影网| 中文在线观看免费www的网站| 成人永久免费在线观看视频| av中文乱码字幕在线| 国产精品三级大全| 国产成人影院久久av| 日韩欧美国产在线观看| 伦精品一区二区三区| 神马国产精品三级电影在线观看| 国产男人的电影天堂91| 99久久精品国产国产毛片| 最近最新中文字幕大全电影3| 真实男女啪啪啪动态图| 国产69精品久久久久777片| 精品午夜福利视频在线观看一区| 亚洲人成网站在线播| 国产aⅴ精品一区二区三区波| 99热精品在线国产| 看免费成人av毛片| 一级黄色大片毛片| 1000部很黄的大片| 无遮挡黄片免费观看| 免费电影在线观看免费观看| 亚洲精品国产成人久久av| 日日摸夜夜添夜夜爱| 在线免费十八禁| 午夜精品国产一区二区电影 | 麻豆国产97在线/欧美| 一边摸一边抽搐一进一小说| 午夜久久久久精精品| 熟女电影av网| 亚洲国产欧洲综合997久久,| 亚洲欧美日韩高清专用| 日韩大尺度精品在线看网址| 午夜福利高清视频| 欧美性猛交黑人性爽| 少妇熟女欧美另类| 国产午夜精品论理片| eeuss影院久久| 国模一区二区三区四区视频| 精品日产1卡2卡| 看十八女毛片水多多多| 日韩制服骚丝袜av| 春色校园在线视频观看| 天堂网av新在线| 在线观看美女被高潮喷水网站| 免费电影在线观看免费观看| 最后的刺客免费高清国语| 亚洲天堂国产精品一区在线| 波野结衣二区三区在线| 国产一区二区在线观看日韩| 91在线精品国自产拍蜜月| 精品久久久久久成人av| 波野结衣二区三区在线| 香蕉av资源在线| 久久九九热精品免费| 真人做人爱边吃奶动态| 欧美又色又爽又黄视频| 日韩强制内射视频| 狂野欧美白嫩少妇大欣赏| 亚洲欧美日韩高清在线视频| 我的老师免费观看完整版| a级毛片a级免费在线| 美女高潮的动态| h日本视频在线播放| 国产不卡一卡二| 精品久久久久久久末码| 亚洲天堂国产精品一区在线| 亚洲中文字幕一区二区三区有码在线看| 亚洲内射少妇av| 美女高潮的动态| 白带黄色成豆腐渣| 亚洲精品色激情综合| 非洲黑人性xxxx精品又粗又长| 在线播放无遮挡| 3wmmmm亚洲av在线观看| 午夜福利在线观看吧| 男女那种视频在线观看| 久久99热6这里只有精品| 99热这里只有是精品在线观看| 国产亚洲精品av在线| 色噜噜av男人的天堂激情| 国产成人a∨麻豆精品| 精品久久久噜噜| 亚洲av中文av极速乱| 久久久精品欧美日韩精品| 欧美另类亚洲清纯唯美| 永久网站在线| 亚洲精品国产成人久久av| 国产v大片淫在线免费观看| 九九在线视频观看精品| 国产高清视频在线观看网站| 亚洲欧美日韩高清专用| 亚洲性久久影院| 日韩制服骚丝袜av| 日韩亚洲欧美综合| 久久久欧美国产精品| 精品久久久久久久久亚洲| 性色avwww在线观看| 精品久久久噜噜| 日本与韩国留学比较| 69av精品久久久久久| 精品久久久噜噜| 人人妻人人澡欧美一区二区| 在线观看美女被高潮喷水网站| 免费在线观看影片大全网站| 亚洲熟妇中文字幕五十中出| 人妻少妇偷人精品九色| 国产探花极品一区二区| 在线免费观看的www视频| 非洲黑人性xxxx精品又粗又长| 免费看光身美女| 国产男人的电影天堂91| 美女高潮的动态| av.在线天堂| 一级毛片电影观看 | 精品久久久噜噜| 国产爱豆传媒在线观看| 黄色视频,在线免费观看| 成熟少妇高潮喷水视频| 熟女电影av网| 噜噜噜噜噜久久久久久91| 91精品国产九色| 亚洲中文字幕日韩| 中国国产av一级| 午夜久久久久精精品| 久久久久久九九精品二区国产| 18禁在线无遮挡免费观看视频 | 国产成人福利小说| 老司机午夜福利在线观看视频| 在线观看免费视频日本深夜| 国产精品爽爽va在线观看网站| 在线播放国产精品三级| 此物有八面人人有两片| 一区二区三区免费毛片| 秋霞在线观看毛片| 欧美日韩综合久久久久久| 激情 狠狠 欧美| 国内久久婷婷六月综合欲色啪| 午夜福利在线观看免费完整高清在 | 国产伦精品一区二区三区四那| 色在线成人网| 午夜精品在线福利| 日韩成人伦理影院| 国产精品,欧美在线| 麻豆乱淫一区二区| 九九在线视频观看精品| 久久久久久大精品| 99热这里只有精品一区| 国产精品亚洲一级av第二区| 日韩强制内射视频| 精品人妻一区二区三区麻豆 | 俄罗斯特黄特色一大片| 精品99又大又爽又粗少妇毛片| 永久网站在线| 嫩草影院新地址| 国产探花在线观看一区二区| 欧美xxxx性猛交bbbb| 亚洲人成网站在线播| 中文字幕av成人在线电影| 久久韩国三级中文字幕| 亚洲成av人片在线播放无| 午夜a级毛片| 春色校园在线视频观看| 99精品在免费线老司机午夜| 日韩欧美精品v在线| 男人的好看免费观看在线视频| 在线播放无遮挡| 色吧在线观看| 韩国av在线不卡| 亚洲国产高清在线一区二区三| 噜噜噜噜噜久久久久久91| 最近最新中文字幕大全电影3| 亚洲自拍偷在线| 禁无遮挡网站| 久久精品国产亚洲av涩爱 | 亚洲av.av天堂| 久久精品国产99精品国产亚洲性色| av.在线天堂| 亚洲国产精品成人综合色| 日韩欧美在线乱码| 丰满人妻一区二区三区视频av| 啦啦啦啦在线视频资源| 国产女主播在线喷水免费视频网站 | 亚洲一级一片aⅴ在线观看| 成年女人毛片免费观看观看9| 色哟哟哟哟哟哟| 亚洲精品影视一区二区三区av| 成人精品一区二区免费| www.色视频.com| 麻豆av噜噜一区二区三区| 国产一级毛片七仙女欲春2| 亚洲av一区综合| 久久人妻av系列| 亚洲成人中文字幕在线播放| 老司机影院成人| .国产精品久久| 超碰av人人做人人爽久久| 欧美一级a爱片免费观看看| 国产不卡一卡二| 狂野欧美白嫩少妇大欣赏| 成人亚洲欧美一区二区av| 欧美性猛交╳xxx乱大交人| 蜜桃久久精品国产亚洲av| 在线观看av片永久免费下载| 日韩强制内射视频| 尤物成人国产欧美一区二区三区| 天天躁夜夜躁狠狠久久av| 日韩欧美精品免费久久| 中文资源天堂在线| 天堂√8在线中文| 欧洲精品卡2卡3卡4卡5卡区| 久久精品人妻少妇| 免费观看的影片在线观看| 中国美白少妇内射xxxbb| 天堂动漫精品| 亚洲国产精品久久男人天堂| 国产男靠女视频免费网站| 精品一区二区三区视频在线| 国产精品1区2区在线观看.| 国产精品女同一区二区软件| 成人欧美大片| 九九久久精品国产亚洲av麻豆| 桃色一区二区三区在线观看| 色哟哟哟哟哟哟| 在线观看午夜福利视频| 又黄又爽又免费观看的视频| 麻豆国产97在线/欧美| 最近最新中文字幕大全电影3| avwww免费| 久久精品国产99精品国产亚洲性色| 国产高清视频在线播放一区| 最近手机中文字幕大全| 亚洲av五月六月丁香网| 日韩欧美免费精品| 国产伦精品一区二区三区四那| 免费av毛片视频| 久久99热6这里只有精品| 12—13女人毛片做爰片一| 18禁裸乳无遮挡免费网站照片| 日韩国内少妇激情av| 久久久精品欧美日韩精品| 国产精品99久久久久久久久| 97人妻精品一区二区三区麻豆| 精品一区二区三区视频在线| 在线天堂最新版资源| 夜夜爽天天搞| 国产成人freesex在线 | 精品久久久久久久人妻蜜臀av| 久久中文看片网| 国产精品永久免费网站| www日本黄色视频网| 99热这里只有是精品在线观看| 日韩一本色道免费dvd| 亚洲最大成人手机在线| h日本视频在线播放| 亚洲七黄色美女视频| 色5月婷婷丁香| 国产精品爽爽va在线观看网站| 99精品在免费线老司机午夜| 国产精品免费一区二区三区在线| 国产精品久久久久久久久免| 亚洲精品亚洲一区二区| 99在线视频只有这里精品首页| av福利片在线观看| 日日干狠狠操夜夜爽| 在线国产一区二区在线| 亚洲av免费在线观看| 一本精品99久久精品77| 草草在线视频免费看| 欧美高清性xxxxhd video| 美女免费视频网站| 桃色一区二区三区在线观看| 成人毛片a级毛片在线播放| 男插女下体视频免费在线播放| 国语自产精品视频在线第100页| 狠狠狠狠99中文字幕| 搞女人的毛片| 听说在线观看完整版免费高清| 国产伦精品一区二区三区四那| 免费不卡的大黄色大毛片视频在线观看 | 亚洲成人久久爱视频| 麻豆久久精品国产亚洲av| 亚洲四区av| 成年女人看的毛片在线观看| 亚洲高清免费不卡视频| 内射极品少妇av片p| 欧美性感艳星| 看黄色毛片网站| 久久精品综合一区二区三区| 黄色欧美视频在线观看| 国产私拍福利视频在线观看| 亚洲图色成人| 自拍偷自拍亚洲精品老妇| 免费在线观看成人毛片| 嫩草影视91久久| 美女 人体艺术 gogo| 日韩av不卡免费在线播放| 狂野欧美白嫩少妇大欣赏| 在线播放无遮挡| 国产一区二区亚洲精品在线观看| 日韩欧美国产在线观看| 久久精品夜夜夜夜夜久久蜜豆| 晚上一个人看的免费电影| 国产精品福利在线免费观看| 国产黄色视频一区二区在线观看 | 中出人妻视频一区二区| 日韩欧美精品v在线| 成年免费大片在线观看| 日日啪夜夜撸| 国产日本99.免费观看| 最好的美女福利视频网| 麻豆精品久久久久久蜜桃| 免费看a级黄色片| 麻豆乱淫一区二区| 国产精品久久久久久亚洲av鲁大| 麻豆成人午夜福利视频| 两个人的视频大全免费| 亚洲四区av| 免费观看在线日韩| 久久午夜亚洲精品久久| 日本-黄色视频高清免费观看| 日本a在线网址| 婷婷亚洲欧美| 亚洲精品影视一区二区三区av| 在线观看66精品国产| 插阴视频在线观看视频| av.在线天堂| 国产淫片久久久久久久久| 午夜福利高清视频| 可以在线观看的亚洲视频| 日韩精品青青久久久久久| 在线看三级毛片| 国产午夜精品久久久久久一区二区三区 | 久久久久性生活片| 国产三级在线视频| 99热6这里只有精品| 深夜a级毛片| 亚洲精品456在线播放app| 国产 一区精品| 亚洲久久久久久中文字幕| 国产伦精品一区二区三区视频9| 天堂影院成人在线观看| 精品乱码久久久久久99久播| 国产色婷婷99| АⅤ资源中文在线天堂| 日日摸夜夜添夜夜添小说| 亚洲国产欧美人成| 久久亚洲国产成人精品v| 日本免费a在线| 大香蕉久久网| 国产精品久久视频播放| 全区人妻精品视频| 在现免费观看毛片| 成人av一区二区三区在线看| 最近2019中文字幕mv第一页| 国产三级中文精品| 国产单亲对白刺激| 日本 av在线| 久久精品国产鲁丝片午夜精品| 丰满人妻一区二区三区视频av| 亚洲在线自拍视频| 97在线视频观看| 尾随美女入室| 久久6这里有精品| 日本成人三级电影网站| 高清毛片免费观看视频网站| 寂寞人妻少妇视频99o| 国产片特级美女逼逼视频| 男人舔奶头视频| 男人狂女人下面高潮的视频| 一a级毛片在线观看| av黄色大香蕉| 久久精品影院6| 91在线观看av| 亚洲aⅴ乱码一区二区在线播放| 国产视频一区二区在线看| 99久国产av精品国产电影| 老熟妇仑乱视频hdxx| 在线看三级毛片| av国产免费在线观看| 在线播放国产精品三级| 免费高清视频大片| 久久久久久久久中文| 一级毛片久久久久久久久女| 日韩,欧美,国产一区二区三区 | 精品不卡国产一区二区三区| 给我免费播放毛片高清在线观看| 22中文网久久字幕| 国产视频内射| 久久精品久久久久久噜噜老黄 | 亚洲av一区综合| 国产精品1区2区在线观看.| 99久国产av精品国产电影| 日韩一本色道免费dvd| 久久久国产成人精品二区| avwww免费| 亚洲三级黄色毛片| 国产精品精品国产色婷婷| 白带黄色成豆腐渣| 男人的好看免费观看在线视频| 日本免费一区二区三区高清不卡| 桃色一区二区三区在线观看| 成人三级黄色视频| 午夜久久久久精精品| 久久精品综合一区二区三区| 亚洲最大成人中文| 男插女下体视频免费在线播放|