摘要
本发明公开了基于多源数据的胎压健康状态预测方法,包括有以下步骤:获取多源数据,多源数据包括胎压传感器数据、车辆行驶数据、环境温度数据和历史胎压数据;对获取的胎压传感器数据、车辆行驶数据、环境温度数据和历史胎压数据分别进行预处理;提取出胎压传感器数据、车辆行驶数据、环境温度数据和历史胎压数据中的特征向量并进行融合;采用机器学习算法进行预测模型的训练,输出胎压健康状态预测结果。本发明具有以下优点和效果:不仅能够实时监测胎压状态,还能够综合考虑环境温度、车辆行驶情况以及历史数据,并将多源数据融合与智能算法应用于胎压健康状态预测,提高了预测模型的适应性与稳定性,为驾驶员提供了全面的安全保障。
技术关键词
健康状态预测方法
车辆行驶数据
支持向量机模型
胎压传感器
机器学习算法
变化趋势预测
孤立森林算法
滤波
融合方法
智能算法
预测误差
异常数据
样本
插值法
压力
多尺度