工程数据的特征提取.pdf

工程数据的特征提取 朱黎明，泛亚汽车技术中心 刘海伟，MathWorks中国区高级应用工程师 主要内容 • 常见的工程应用场景与案例分析 • 场景一与场景二及案例分享 • 基于Benchmark数据分析研究 • 背景 • Benchmark数据分析现状 • 数据特征提取识别 • 结论和展望 • 场景三与场景四 • 总结 1 工程数据的特征提取 ▪ 场景一：基于信号特征，参量已知（领域知识/原理） ▪ 场景二：基于状态量，参量已知（业务需求） ▪ 场景三：基于模型特征，参量已知（领域知识/原理） ▪ 场景四：参量未知/简化模型 2 场景一：基于信号特征，参量已知（领域知识/原理） BMW 使用机器学习检测过度转向 ▪ 收集数据和特征提取 ▪ 评估机器学习方法 ▪ 生成车载装置测试所需的代码 – 使用MATLAB Coder™ 从模型生成代码，并为安装在宝马5 系的目标ECU 编译代码 Link to article – 在ECU 上实时运行的分类器表现非常出色，准确率约为95% 3 场景一：基于信号特征，参量已知（领域知识/原理） Suzuki Motor Corporation “使用机器学习和优化技术提升驾驶操控性” min = 0.5 ∗ ℎ ∗ min =0.5 ∗ ℎ ∗ ∗ min =0.5 ℎ