基于经验模分解和最小二乘支持矢量机的装载机载质量动态测量混合建模方法

被引:3
作者
王伟 [1 ]
魏洪兴 [2 ]
陈殿生 [2 ]
王田苗 [2 ]
机构
[1] 中国农业大学工学院
[2] 北京航空航天大学机械工程及自动化学院
关键词
装载机; 动态测量; 混合建模方法; 经验模分解; 最小二乘支持矢量机; 贝叶斯证据框架;
D O I
暂无
中图分类号
TH243 [装载机];
学科分类号
0802 ;
摘要
针对同时实现装载机载质量动态测量的高精度和快速性这一复杂问题,在基于动力学分析所给出的测量方法的基础上,给出一种实现高精度快速性装载机载质量动态测量的混合建模方法,该方法采用经验模分解(Empirical mode decomposition,EMD)作为实测信号的前端处理应用,用于从动态暂态测量信号中提取有效信号;采用最小二乘支持矢量机(Least square support vector machines,LS-SVM)对动态和不确定性因素进行自学习,实现载质量动态测量的速度补偿;同时为使最小二乘支持矢量机发挥最优性能,采用贝叶斯证据框架对其参数进行推断优化;最后,通过比例线性计算方法获知待测载质量值。仿真分析和试验结果表明,按照所建立的混合建模方法进行载质量动态测量其测量精度可稳定在1%以内,验证了该方法的有效性。
引用
收藏
页码:87 / 93
页数:7
相关论文
共 3 条
[1]   装载机载重动态测量动力学分析与实现方法 [J].
王伟 ;
王田苗 ;
魏洪兴 ;
陈殿生 .
中国机械工程, 2006, (22) :2333-2338
[2]   处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介 [J].
陈永义 ;
俞小鼎 ;
高学浩 ;
冯汉中 .
应用气象学报, 2004, (03) :345-354
[3]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300