使用变分自编码器进行驱动系统仿真
机器学习
2026-04-29 v3 计算工程、金融与科学
信号处理
摘要
本工作提出利用变分自编码器（VAEs）预测车辆的 jerk 信号，以实现在驱动系统数据有限的实际场景中的扭矩需求。我们实现了无条件和条件 VAE，分别训练于来自两款完全电动 SUV 的实验数据，这些 SUV 在扭矩和驱动系统配置上存在差异。VAEs 通过利用所学潜在空间，合成捕获多种驱动系统情景特征的 jerk 信号。与基准物理模型和混合模型的性能对比确认了 VAEs 的有效性，且无需详细的系统参数化。无条件 VAE 可在无需系统先验知识的情况下生成逼真的 jerk 信号，而条件 VAE 则可针对特定扭矩输入生成定制化信号。该方法减少了对昂贵且耗时的实际实验和大量人工建模的依赖。结果表明，生成模型如 VAE 可被集成到驱动系统仿真管道中，用于数据增强和高效探索复杂运行情景，潜在可用于简化验证流程并加速车辆开发。
引用
@article{arxiv.2501.17653,
title = {Drivetrain simulation using variational autoencoders},
author = {Pallavi Sharma and Jorge-Humberto Urrea-Quintero and Bogdan Bogdan and Adrian-Dumitru Ciotec and Laura Vasilie and Henning Wessels and Matteo Skull},
journal= {arXiv preprint arXiv:2501.17653},
year = {2026}
}
备注
27 pages