Ứng dụng mạng nơ ron nhân tạo trong bài toán ước lượng quãng đường ô tô điện từ thông số kỹ thuật

Tóm tắt

Dự đoán quãng đường di chuyển của xe điện (Electric Vehicles - EVs) là một yếu tố quan trọng, có ảnh hưởng trực tiếp đến mức độ chấp nhận của người dùng cũng như các chiến lược thiết kế và tiếp thị của nhà sản xuất. Tuy nhiên, các thông số quãng đường chính thức thường chỉ được công bố ở giai đoạn thương mại hóa, trong khi nhu cầu ước lượng chính xác ngay từ giai đoạn thiết kế ngày càng trở nên cấp thiết. Trong bài báo này, chúng tôi đề xuất một mô hình mạng nơ ron nhân tạo kết hợp với khung học máy (Machine Learning - ML) nhằm dự đoán quãng đường di chuyển của xe điện dựa trên các thông số kỹ thuật sẵn có, bao gồm dung lượng pin, hiệu suất năng lượng, mô-men xoắn, kích thước xe và hệ dẫn động. Nhiều mô hình học máy khác nhau được triển khai và so sánh về độ chính xác, bao gồm K-Nearest
Neighbors, Decision Tree, Random Forest, Support Vector Machine và mạng nơ ron nhân tạo. Kết quả thực nghiệm cho thấy các phương pháp học máy có khả năng cung cấp ước lượng quãng đường hiệu quả, qua đó bổ sung và hỗ trợ các mô hình dựa trên nguyên lý vật lý truyền thống.