Predicción de perfiles de conducción
Tipus de documentTreball Final de Grau
Data2020-07-10
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-CompartirIgual 3.0 Espanya
Abstract
En el actual proceso de electrificación del parque automovilístico, a pesar de la promoción de la Eco-conducción y la incorporación de sistemas y ayudas a la conducción, la autonomía de las baterías sigue siendo el principal problema. Conocer los requerimientos energéticos en cada momento y anticiparse a la demanda de energía, permitiría el desarrollo de una estrategia de gestión energética más eficiente y la expansión de la autonomía del vehículo.
El objetivo de este trabajo es el desarrollo de un modelo, a partir de Redes Neuronales (Deep Learning), capaz de predecir la evolución de la velocidad de un vehículo, y a través del cual, sería posible la creación de un sistema de gestión energética.
La estructura del trabajo consta, en primer lugar, de una parte teórica en la que se tratan conceptos como qué es un perfil de conducción, sus características y se enumeran los más conocidos. También se definen qué son las redes neuronales, cuál es su origen, sus peculiaridades y los distintos parámetros que la configuran. En segundo lugar, se presentan y se analizan, en busca del horizonte de predicción, los distintos ciclos de conducción que se usarán. Una vez realizado el análisis de autocorrelación de los datos, estos son proporcionados a la Deep Learing Toolbox de Matlab, la herramienta escogida para entrenar las redes neuronales. La búsqueda de la red neuronal óptima se ha dividido en varias etapas consecutivas, en que cada una toma los avances realizados en la etapa anterior. Por último, se escoge un perfil de conducción similar y se prueba la adaptabilidad de la red neuronal a este.
TitulacióGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
tfg-mario-gasco.pdf | 4,080Mb | Visualitza/Obre | ||
anexo-mario-gasco.zip | 19,41Mb | application/zip | Visualitza/Obre |