ivdon3@bk.ru
В статье представлена гибридная нейронная сеть оценки массы автомобиля и продольного/поперечного уклонов дороги, объединяющая квадратнокорневой сигма-точечный фильтр Калмана и нейросетевую модель на базе энкодера трансформера с использованием перекрёстного внимания к остаткам оценивания. Предложенный подход сочетает физическую интерпретируемость фильтра с высокой аппроксимационной способностью нейросети. Для обеспечения внедрения на встраиваемых электронных блоках управления модель была упрощена с помощью преобразования знаний в компактную сеть долгой краткосрочной памяти. Результаты экспериментов в различных сценариях показали снижение средней ошибки более чем на 25 % при вычислительной задержке менее 0,3 мс.
Ключевые слова: оценка состояния транспортного средства, оценка уклона дороги, оценка массы автомобиля, нейросеть типа трансформер, перекрёстное внимание, адаптивная фильтрация, дистилляция знаний, квадратнокорневой сигма-точечный фильтр Калмана
1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации