数据集说明：辨识电动机背后的物理——电学行为的数据驱动学习（第一部分）
系统与控制
2020-03-27 v3 机器学习
系统与控制
信号处理
最优化与控制
摘要
电动汽车最重要的两个方面是其效率或可达成续航里程。为实现高效率从而长续航，避免驱动总成过度设计至关重要。因此，驱动总成须尽可能轻量化，同时被最大程度利用。这只有在控制器精确知晓驱动总成动态行为时才可实现。控制器的任务是通过控制电动机电流在车轮上达成期望转矩。借助机器学习建模技术，可从测量数据中提取描述该行为的精确模型，供控制器使用。为比较不同建模方法，在一个电动汽车驱动总成测试台上记录了约 4000 万个数据点组成的数据集。该数据集发布于数据科学家的在线社区 Kaggle。
引用
@article{arxiv.2003.07273,
title = {Data Set Description: Identifying the Physics Behind an Electric Motor -- Data-Driven Learning of the Electrical Behavior (Part I)},
author = {Sören Hanke and Oliver Wallscheid and Joachim Böcker},
journal= {arXiv preprint arXiv:2003.07273},
year = {2020}
}