期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
结合特征组合与MHSA-LSTM的氢燃料电池车辆单体电压最高值预测
1
作者 何梓豪 孙仁云 +1 位作者 蒋康 程培高 《重庆理工大学学报(自然科学)》 北大核心 2025年第10期94-101,共8页
燃料电池车辆动力电池单体电压最高值作为判断电池单体电池过压故障的主要依据之一,与氢燃料电池车辆安全运行密切相关。采用基于长短期记忆(long short-term memory,LSTM)网络和多头自注意力机制(multi-head self-attention,MHSA)相结... 燃料电池车辆动力电池单体电压最高值作为判断电池单体电池过压故障的主要依据之一,与氢燃料电池车辆安全运行密切相关。采用基于长短期记忆(long short-term memory,LSTM)网络和多头自注意力机制(multi-head self-attention,MHSA)相结合的预测模型,对氢燃料电池车辆动力电池单体电压最高值进行预测。使用Spearman相关系数和互信息特征分析,分析原始特征与电池单体电压最高值的相关性,去除不相关特征和冗余特征;采用LSTM提取时序特征,引入多头自注意力机制,增强关键特征权值,将提取到的特征数据输入到全连接层进行回归预测。选用GRU、LSTM作为对比分析模型,采用氢燃料电池车辆行驶数据集进行仿真实验,实验表明:MHSA-LSTM组合模型的平均绝对误差(MAE)和均方误差(RMSE)分别是0.0115和0.0129,低于对比模型的MAE和RMSE,组合模型具有较高的预测精度和稳定性,能为燃料电池车辆动力电池单体过压报警提供决策依据。 展开更多
关键词 氢燃料电池车辆 电池单体电压 最高值预测 mhsa-lstm组合模型
在线阅读 下载PDF
基于时空趋势感知多头自注意力的LSTM车辆轨迹预测
2
作者 何思雨 王康乐 +2 位作者 常怀清 朱进玉 熊昌安 《现代电子技术》 北大核心 2026年第5期185-192,共8页
针对现有车辆轨迹预测模型精度不高、特征提取能力不足的问题,文中提出一种基于时空趋势感知多头自注意力的LSTM车辆轨迹预测模型。模型在LSTM编码-混合递归-示教解码器架构基础上,加入局部窗口机制和因果掩码机制的多头自注意力模块对... 针对现有车辆轨迹预测模型精度不高、特征提取能力不足的问题,文中提出一种基于时空趋势感知多头自注意力的LSTM车辆轨迹预测模型。模型在LSTM编码-混合递归-示教解码器架构基础上,加入局部窗口机制和因果掩码机制的多头自注意力模块对编码向量进行特征提取,即将LSTM编码的隐藏状态向量分割成若干个独立的局部窗口,对每个子窗口进行因果注意力计算,并逐层扩大局部窗口直至覆盖全部历史时刻。此机制有效挖掘了驾驶行为的时间依赖性和空间交互特性,提升了多头自注意力的特征提取能力。利用NGSIM轨迹数据集进行仿真验证,与改进前的轨迹预测模型相比,在预测时域分别为1 s、2 s、3 s、4 s、5 s时,RMSE分别降低了21.0%、10.6%、13.2%、0.4%、0.8%,FDE分别降低了19.5%、7.6%、1.1%、0.0%、2.1%。同时分析了多头自注意力中头的数量对轨迹精度的影响,实验结果显示,注意力头数为4时综合表现最优。验证了所提模型在特征提取能力和轨迹预测性能方面的有效性。 展开更多
关键词 智能交通 自动驾驶 深度学习 轨迹预测 LSTM 多头自注意力
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部