一种基于神经网络的轮胎慢漏气时间序列预测方法

轮胎胎压不足的状况一旦发生，易导致行车过程中车辆的失控并带来不可逆的交通伤亡事故。而轮胎的慢漏气故障是一种常见的交通事故诱因，且该诱因不易察觉。因此，为了及时预测到轮胎的慢漏气故障，本研究以某型纯电动车的轮胎胎压时间序列变化数据为基准数据，实现改进的长短期记忆网络，建构基于神经网络的轮胎慢漏气时间序列预测模型。首先，分别进行原始时间序列的正常胎压变化趋势与异常胎压变化趋势的数据筛选与清洗等工作；其次，分别基于变分模态分解及自适应差分进化算法，实现长短期记忆网络的模型训练；最终，分别基于慢漏气时间序列校验集，进行消融实验的预测结果评估与可视化样例的对比分析。消融实验结果相较于基础的长短期记忆网络提升了15%左右的性能，可视化样例中大部分的慢漏气时间预测差值波动范围在6h内。综合实验结果可验证本研究所实现的基于神经网络的轮胎慢漏气时间序列预测模型的优越性。