Academic Journal
Использование нейросети для анализа данных онлайн-мониторинга автомобилей
| Τίτλος: | Использование нейросети для анализа данных онлайн-мониторинга автомобилей |
|---|---|
| Στοιχεία εκδότη: | ООО Цифра, 2022. |
| Έτος έκδοσης: | 2022 |
| Θεματικοί όροι: | 11. Sustainability, urban driving conditions, городские условия движения, ездовой цикл автомобиля, искусственные нейросети, artificial neural networks, driving cycle |
| Περιγραφή: | Определение характеристик стандартных ездовых циклов автомобилей и специальной техники является непростой задачей, так как требует сбора и обработки большого объема данных о поездках в реальных условиях эксплуатации. Именно поэтому, даже в индустриально развитых странах, новые типичные ездовые циклы обновляются крайне медленно. При этом есть два кардинально разных подхода – использование скоростного профиля автомобиля, снятого в реальных условиях эксплуатации и применение искусственного (синтетического) ездового цикла. В первом случае затраты на получение цикла минимальны, в какой-то степени он учитывает современные дорожные условия и уровень развития автомобильного транспорта, но не отражает адекватно типичные условия эксплуатации в среднем. Синтетические циклы более объективно соответствуют реальным условиям, но требуют для своей разработки существенно больше времени, что снижает их ценность в условиях постоянно меняющейся дорожной обстановки и растущего уровня автомобилизации.В работе предложена методика использования в качестве базы данных для синтеза ездового цикла данных онлайн мониторинга с постобработкой на основе искусственных нейронных сетей. Determining the characteristics of standard driving cycles of cars and special equipment is not an easy task, since it requires the collection and processing of a large amount of data on trips under real operating conditions. That is why, even in industrialized countries, new typical driving cycles are updated very slowly. There are two radically different approaches – the use of a speed profile of a car taken under real operating conditions and the use of an artificial (synthetic) drive cycle. In the first case, the costs for obtaining a cycle are minimal, to some extent it takes into account modern road conditions and the level of development of road transport, but it does not adequately reflect typical average operating conditions. Synthetic cycles more objectively correspond to real conditions, but require significantly more time for their development, which reduces their value in conditions of constantly changing road conditions and the growing level of motorization.The work proposes a methodology for using online monitoring data with post-processing based on artificial neural networks as a database for the synthesis of the driving cycle. Международный научно-исследовательский журнал, Выпуск 12 (126) 2022 |
| Τύπος εγγράφου: | Article |
| Γλώσσα: | Russian |
| DOI: | 10.23670/irj.2022.126.8 |
| Rights: | CC BY |
| Αριθμός Καταχώρησης: | edsair.doi...........f177db3c700a3d9beabcddc865d6f7d6 |
| Βάση Δεδομένων: | OpenAIRE |
| DOI: | 10.23670/irj.2022.126.8 |
|---|