应用人工神经网络预测标称车辆性能
神经与进化计算
2016-03-17 v1 系统与控制
摘要
本文研究了利用人工神经网络（ANNs）替代传统算法与人工审查，以识别车辆运行数据中的异常。本研究使用的具体数据来自水下车辆鉴定测试。此类数据高度非线性，因此传统算法不足且人工审查耗时。通过仅基于运行前可用信息使用 ANN 预测标称车辆性能，可在运行后数据中自动识别车辆与预期性能的偏差。由于过去十年中对 ANN 框架认知及可用计算能力的快速提升，这种能力才刚刚成为可能。为本调查而训练的 ANN 相对简单，以使计算需求处于现代台式 PC 的参数范围内。该 ANN 在预测车辆性能方面显示出潜力，尤其在运行数据中的瞬态事件期间。然而，在若干性能情形中，例如稳态运行以及缺乏充足训练数据的情形，该 ANN 表现出不足。预期随着计算能力更易获取、ANN 认知成熟以及从真实世界测试获取更多训练数据，ANN 的性能预测将超越传统算法与人工审查。
引用
@article{arxiv.1603.05189,
title = {Applying Artifical Neural Networks To Predict Nominal Vehicle Performance},
author = {Adam J. Last},
journal= {arXiv preprint arXiv:1603.05189},
year = {2016}
}