На топливную эффективность самосвалов влияют такие переменные реального мира, как параметры транспортного средства, дорожные условия, погодные параметры и поведение водителя. Прогнозирование расхода топлива за поездку с использованием динамических данных о состоянии дорог может эффективно сократить затраты и время, связанные с испытаниями на дорогах. В данной статье предлагаются новые модели для прогнозирования расхода топлива самосвалов на открытых горных работах. Модели объединяют локально собранные данные с датчиков самосвалов и анализируют их для расширения своих возможностей. Архитектурный дизайн состоит из двух отдельных частей, первоначально основанных на двойной долговременной кратковременной памяти (LSTM) и двойных плотных слоях глубоких нейронных сетей (DNNs). Новая гибридная архитектура улучшает производительность предложенной модели по сравнению с другими моделями, особенно с точки зрения измерения точности. Показатели MAE, RMSE, MSE и R2 свидетельствуют о высокой точности прогноза.

Ключевые слова: алгоритм LSTM, DNN, плотность, прогнозирование, расход топлива, карьеры

2.3.1 - Системный анализ, управление и обработка информации , 2.9.5 - Эксплуатация автомобильного транспорта

Устройства сбора данных Глобальной системы позиционирования (GPS) зарекомендовали себя как полезные инструменты для сбора реальных данных о движении. Данные, собранные этими устройствами, предоставляют ценную информацию при изучении параметров движения ТС. Для моделирования транспортных средств эти данные имеют неоценимое значение для анализа расхода топлива и производительности транспортных средств. В исследовании представлена методология разработки ездового цикла специальных автомобилей, в ходе которых исследуется, загружается и обрабатывается профиль скорости конкретного типа транспортного средства, а также производится фильтрация зашумленных данных для чистоты поставленного эксперимента. Проанализированы данные испытаний для тяжелых условий эксплуатации. Разработан городской ездовой цикл для специального грузового автомобиля автобетоносмесителя в условиях города Тюмень. Оценивается расчетная экономия топлива указанного транспортного средства.

Ключевые слова: ездовой цикл, топливная экономичность автобетоносмесителя, зашумленные данные, фильтрация данных, ГЛОНАСС/GPS

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.9.5 - Эксплуатация автомобильного транспорта