关键词：车辆工程;行驶里程预测;电动汽车;深度极限学习机;变分模态分解;蜣螂优化算法
摘 要：为实现对电动汽车行驶里程的准确预测，本文综合考虑电池性能与行驶参数，提出一种基于变分模态分解（Variational Mode Decomposition， VMD）算法与经过蜣螂优化（Dung Beetle Optimizer， DBO）算法优化参数后的深度极限学习机（Deep Extreme Learning Machine， DELM）模型相结合的行驶里程预测方法。首先，通过探讨车辆运行状态、驾驶行为及外部环境对行驶里程的影响，构建包括百公里能耗、驾驶行为和环境温度在内的6项特征指标。其次，采用VMD算法降低原始数据的非线性和非平稳性，并利用DBO算法对DELM模型的参数进行优化，从而建立基于VMD-DBO-DELM集成算法的电动汽车行驶里程预测模型。最后，对所构建的预测模型与现有其他模型的预测结果进行比较分析。结果表明，VMD-DBO-DELM模型在预测性能方面显著优于其他模型，在两种工况下均表现出最高的预测精度，能够准确拟合行驶里程的变化趋势。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取