5、机器学习技术在车辆与手术机器人控制中的应用

机器学习技术在车辆与手术机器人控制中的应用

机器学习在 P2 混合动力电动汽车发动机状态预测中的应用

在 P2 混合动力电动汽车的发动机状态预测中，采用了 DNN 和 RNN 神经网络机器学习模型。选择车辆速度、加速度和电池功率作为输入，这些模型在正加速事件中能很好地预测发动机开启状态，但在减速事件中表现不佳，会产生错误的“开启”预测。

1. 预测准确性分析

   • 分类器和 RNN 网络总体上能以 97% - 98% 的准确率预测发动机开启状态。正加速事件的预测率很高，但减速事件中的错误发动机开启预测会影响整体表现。
   • 若忽略减速事件，并对 RNN 输出进行转换，验证集的准确率会显著提高，具体数据如下表所示：
     | 3 输入神经网络 | 总体准确率 | 排除减速后的准确率 |
     | — | — | — |
     | DNN 分类器 | 96.8% | 99.2% |
     | 5 - 步 RNN，基本单元 | 97.2% | 99.4% |
     | 5 - 步 RNN，LSTM 单元 | 98.0% | 99.7% |

2. 减速事件中的问题及解决策略

   • 减速事件中发动机状态预测存在噪声，会出现单点误报。例如，有时车辆只是以较低速率减速，却被错误预测为发动机重启。
   • 一种可能的缓解策略是在减速事件期间分几步观察神经网络的输出。如果预测状态在该时间段内持续存在，那么这个预测可能是合理的。