[發明專利]基于SVR_Adaboost改進算法的商用貨車質量估計方法

有效

• 申請號: 201810907913.X
• 申請日: 2018-08-10
• 公開（公告）號: CN109255094B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 鄭太雄;田云浪;楊新琴;汪濤;褚良宇;陳云坤
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06F17/16;G06N20/00
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

1.一種基于SVR_Adaboost改進算法的商用貨車質量估計方法，其特征在于，包括以下步驟：

通過CAN總線采集縱向驅動力F_res、縱向加速度縱向速度v_x、迎風阻力F_w、輪胎滾動阻力系數f及路面坡度θ，形成一組原始數據；

采用Z-score標準分數算法標準化原始數據，使原始數據變換到同一數量級；

采用PCA主成分分析算法對標準化后的數據進行降維；

將Z-score標準化和PCA降維后的數據，輸入到SVR_Adaboost支持向量機集成學習改進算法，估計出商用貨車載重質量，其中，它的主要改進在于，Adaboost集成學習通過改變數據集的概率分布，將傳統SVR弱估計算法改進為強學習算法；

所述將Z-score標準化和PCA降維后的數據，輸入到SVR_Adaboost改進算法，估計出商用貨車載重質量，具體包括：

1)根據給定弱學習器SVR和訓練數據集D＝{(x₁,y₁),…,(x_i,y_i),…,(x_m,y_m)}；

2)初始化每一個訓練樣本權重D_t(x)為第t次迭代的樣本權重，m為數據樣本集樣本個數；

3)Adaboost循環訓練好而不同的SVR：

其中，Z_t——為的歸一化因子

SVR(D_t)——表示第t次訓練的SVR模型

ε_t——計算SVR(D_t)在辨識各訓練樣本下的誤差

w_t,i——第SVR(D_t)在第i個樣本下權重

M——為樣本總數

I——指示函數，即h_t(x_i)≠y_i為1，否則為0

β_t——

α_t——表示SVR(D_t)模型，在此次訓練后的權重值

H(x)——構建最終組合后的強模型器

e——為期望訓練誤差目標值

4)Adaboost組合弱學習器SVR，最后辨識模型為：

SVR_t(x)——第k次訓練完成的SVR模型。

2.根據權利要求1所述的基于SVR_Adaboost改進算法的商用貨車質量估計方法，其特征在于，所述通過CAN總線采集縱向驅動力F_res、縱向加速度縱向速度v_x、迎風阻力F_w、輪胎滾動阻力系數f及路面坡度θ，形成一組原始數據，具體包括：

根據車輛縱向動力學方程確定與質量相關的變量縱向驅動力F_res、縱向加速度縱向速度v_x、空氣密度ρ、空氣阻力系數C_d、迎風面積A、輪胎滾動阻力系數f、道路坡度θ。在車輛起步10秒，通過同步采集車輛CAN總線提供的F_res、v_x、F_w、f、θ，其中，采集頻率10Hz，在車輛載重每增加10Kg采集一次數據。

3.根據權利要求1所述的基于SVR_Adaboost改進算法的商用貨車質量估計方法，其特征在于，所述采用Z-score標準化原始數據，使原始數據變換到同一數量級，公式如下：

其中，Z標準化后數據輸出，x標準化數據輸入，為所有樣本數據的均值，為所有樣本數據的標準差，M表示數據集樣本總數，x_i表示訓練樣本中第i個樣本的數據值。