回归最小二乘支持向量机的应用研究液压挖掘机的性能预测

文摘

为了提高液压挖掘机的性能预测精度,应用回归最小二乘支持向量机。首先,回归的数学模型研究了最小二乘支持向量机,然后回归最小二乘支持向量机的算法设计。最后,液压挖掘机的性能预测仿真基于回归最小二乘支持向量机进行,仿真结果表明,该方法可以正确地预测液压挖掘机的性能变化规律。

1。介绍

液压挖掘机属于建筑机械,已成功地应用于许多领域,如交通运输业、采矿业、建筑业、液压工程。液压挖掘机是由三部分组成,工作设备,上部转台,行走装置。液压挖掘机的正常工作条件不好,被应用于液压挖掘机和负荷大;因此,发动机将偏离工况油耗较低,然后液压挖掘机将表现出较差的性能。此外,液压系统的能耗大,从而导致能源浪费大。因此,有必要正确预测液压挖掘机的性能,然后液压挖掘机的工作效率可以提高(1]。

性能预测队伍是非线性的,它是受许多不确定因素;因此,应该选择一个有效的预测技术。目前,有许多性能预测方法,如人工神经网络技术、灰色预测技术、和扩展技术(2]。然而,当前的预测技术有一些缺点:预测精度较低,预测效率很低,和操作困难2]。

一般情况下,支持向量机的非线性和不确定性特征。近年来,支持向量机建立了Vapnik,已经被许多科学家关注和支持向量具有较强的学习能力。一些科学家已经提高了支持向量机。最小二乘支持向量机由SukKens提出。最小二乘支持机器介绍了最小二乘系统支持向量,而传统支持机两种规划方法适用于处理函数估计问题;因此,该方法具有较高的预测能力比传统的支持的机器,它可以应用于液压挖掘机的性能预测。

2。最小二乘支持向量机的数学模型

支持向量机是一种机器学习的技术,这是比人工神经网络技术、灰色预测技术、和扩展技术在预测能力。支持向量机适用于小样本的性能预测,预测可靠性好;同时,它有良好的卓越能力,然后可以获得预测精度高。因此,可以获得良好的预测效果基于最小二乘支持向量机的液压挖掘机(3]。

训练样本众所周知,最小二乘支持向量机主要适用于非线性映射函数把数据传输到一个高维空间,然后映射回原空间实现输入空间的线性回归;线性回归模型显示如下: 在哪里表示加权向量,表示的映射函数,表示阈值。

回归最小二乘支持向量机两届罚函数适用于回归问题转移到两届优化问题,和相应的目标函数表示如下: 在哪里表示结构性风险,表示经验风险,表示信心的风险,表示损失函数,表示正则化因子,,表示样本大小。

的不敏感损失函数是Vapnik提出的,它有一个不敏感区域,提供任何损失值,区。采样点的信息区不能出现在回归函数,然后回归函数是稀疏和简单。

最优函数是构造基于的想法不敏感损失函数,表示如下(4]: 在哪里和表示放松的因素,罚函数表示,,表示精度。

介绍了核心功能,双重的函数表达式(4)可以表示如下5]: 在哪里和拉格朗日算子和表示的核心功能。

估计函数的最小二乘支持向量机可以表示如下(6,7]:

最小二乘支持向量机的参数优化是非常重要的。核心函数通常适用于径向函数。有一个未知因素和改进的价值可以提高算法的收敛速度。此外,还有另一个参数,即最小二乘支持向量机的参数;参数γ和可以决定最小二乘支持向量机的学习能力。

3所示。算法的最小二乘支持向量机

最小二乘支持向量机的算法程序列出如下。

步骤1。这两个参数的范围和证实了基于最小二乘支持向量机的基本原理和经验范围的两个参数列出如下:,。

步骤2。两个参数的值和确认的范围;然后二维平面,可以构造。γ的值可以根据实际情况选择训练样本和相关经验。

步骤3。双参数在不同的平面网格节点输入最小二乘支持向量机,进行相应的训练是根据训练样本,然后训练错误输出。用最少的错误作为最优的结果(8]。

步骤4。当算法的训练精度不能满足实际需求,最优参数作为中心来构造新的平面网格参数附近并确认;然后再进行新的培训;然后可以提高算法的精度,和上述过程可以反复进行;然后就可以形成多层平面参数优化网络;最后,最小二乘支持向量机的最优参数可以获得;然后可以获得理想的训练精度(9]。

4所示。预测仿真的基于最小二乘支持向量机的液压挖掘机

液压挖掘机的性能预测模型的建立基于以下基本步骤。

液压挖掘机的特点和性能指标得到证实。和学习样本的回归最小二乘支持向量机。

核心功能选择;输入和输出参数之间的映射关系是通过样本学习。

输入新的参数回归最小二乘支持向量机进行预测的液压挖掘机的性能。

液压挖掘机系统的新的学习样本添加到回归最小二乘支持向量机;然后可以提高模型的预测能力。

最小二乘支持向量机的预测效果可以评判的均方根误差,这是表示如下(10]:

通过现场试验液压挖掘机得到100组样本,和前60组样本作为液压挖掘机的性能预测样本,和其他40组样本作为验证预测模型的样本;液压挖掘机的性能预测模拟程序员编制的MATLAB软件。

性能预测模型的输入参数如下:列出了液压挖掘机发动机的转速电动机的转速液压泵的转速发动机的扭矩电动机的转矩,液压泵的扭矩;模型的输出参数是发动机的输出功率和飞行员控制压力的液压控制阀分别;部分样本如表所示1。

性能预测曲线和实测曲线的输出功率引擎如图1。可以看到从图1,发动机的输出功率时刻的变化随着时间的推移,和输出功率变化不规则;预测结果同意实际测量,这些结果表明,最小二乘支持向量机基于回归具有更好的预测能力。

在液压挖掘机的工作过程中,输入参数可以调节预测结果的基础上,基于最小二乘支持向量机的回归;液压挖掘机可以稳定工作,它可以在最佳性能点;液压挖掘机的工作效率可以提高。

输出功率预测结果的液压挖掘机回归最小二乘支持向量机,传统的支持向量机,和BP神经网络进行比较,如表所示2。

从表2,至少支持向量机回归的预测结果更接近测量值比传统支持向量机和BP神经网络。回归支持向量机至少可以获得最佳性能预测液压挖掘机的结果。

5。结论

基于回归最小二乘支持向量机应用于液压挖掘机的性能预测模型的最小二乘支持向量机回归建立的基础上,设计相应的算法过程,建立了液压挖掘机的性能预测模型。性能进行预测模拟,结果表明,最小二乘支持向量机回归预测精度更高,可预测性能的变化规律对液压挖掘机和提高工作效率,具有广泛的应用空间。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. m·哈加w . Hiroshi, k . Fujishima“液压挖掘机挖掘控制系统”,机电一体化,11卷,不。6,665 - 676年,2001页。视图:出版商的网站|谷歌学术搜索
2. Z.-Y。贾,J.-W。妈,F.-J。王,w·刘,“混合模拟退火和支持向量机的液压阀特性预测,“专家系统与应用程序,38卷,不。7,8030 - 8036年,2011页。视图:出版商的网站|谷歌学术搜索
3. 问:p .哈,问:h .阮特区黑麦、和h f . Durrant-Whyte“阻抗控制液压驱动机器人挖掘机”,自动化建设,9卷,不。5,421 - 435年,2000页。视图:出版商的网站|谷歌学术搜索
4. y港和c·w·w·Ng”基础的稳定multi-propped发掘在软粘土液压提升,”加拿大岩土期刊,50卷,不。2、153 - 164年,2013页。视图:出版商的网站|谷歌学术搜索
5. j .江、c .歌曲和l .包”ForwardGene选择算法基于最小二乘支持向量机,”Bionanoscience杂志,7卷,不。3、307 - 312年,2013页。视图:出版商的网站|谷歌学术搜索
6. M.-Y。你们和X.-D。王”,混沌时间序列预测使用最小二乘支持向量机,”中国物理,13卷,不。4、454 - 458年,2004页。视图:出版商的网站|谷歌学术搜索
7. s . Swaddiwudhipong k . k . Tho z s . Liu j .华和n . s . b . Ooi”材料表征,通过最小二乘支持向量机”材料科学与工程的建模和仿真,13卷,不。6,993 - 1004年,2005页。视图:出版商的网站|谷歌学术搜索
8. y湾”,基于最小二乘支持向量机泵的性能分析,“中国农业工程学会的事务,25卷,不。8,115 - 118年,2009页。视图:出版商的网站|谷歌学术搜索
9. x, x,, y,“价值近似与最小二乘支持向量机在强化学习系统中,“计算和理论纳米科学杂志》上,4卷,不。7 - 8,1290 - 1294年,2007页。视图:出版商的网站|谷歌学术搜索
10. h·r·k .黄h . j . Wang, j . p . Wang和y . b .应“NIR光谱质量基于最小二乘支持向量机预测番茄汁、”光谱和光谱分析卷,29号4、931 - 934年,2009页。视图:出版商的网站|谷歌学术搜索

版权

版权©2014 Zhan-bo陈。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。