基于深度学习的汽油车、电动车和混合动力车功耗分析
机器学习
2025-08-12 v1 信号处理
摘要
准确的功耗预测对于提高效率和减少环境影响至关重要，然而依赖专用仪器或刚性物理模型的方法不适用于大规模真实世界的部署。本研究引入了一种可扩展的数据驱动方法，使用动力系统动态特征集以及传统机器学习和深度神经网络，来估计内燃机汽车、电动汽车和混合动力汽车平台的瞬时和累积功耗。内燃机模型实现了高瞬时精度，平均绝对误差和均方根误差在10^{-3}量级，累积误差低于3%。Transformer和长短期记忆模型在电动汽车和混合动力汽车上表现最佳，累积误差分别低于4.1%和2.1%。结果证实了该方法在不同车辆和模型上的有效性。不确定性分析显示，由于复杂的电源管理，电动汽车和混合动力汽车数据集比内燃机汽车具有更大的变异性，这强调了为先进动力系统开发鲁棒模型的必要性。
引用
@article{arxiv.2508.08034,
title = {Deep Learning-Based Analysis of Power Consumption in Gasoline, Electric, and Hybrid Vehicles},
author = {Roksana Yahyaabadi and Ghazal Farhani and Taufiq Rahman and Soodeh Nikan and Abdullah Jirjees and Fadi Araji},
journal= {arXiv preprint arXiv:2508.08034},
year = {2025}
}