基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测.pdfVIP

第３２卷第２期 计 算 机 应 用 研 究 Ｖｏｌ３２ Ｎｏ２ ２０１５ 年２ 月　 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆＣｏｍｐｕｔｅｒｓ Ｆｅｂ．２０１５ 基于耦合模拟退火优化 最小二乘支持向量机的车轮踏面磨耗量预测 衷路生，陈立勇，龚锦红，祝振敏，肖　乾 （华东交通大学 电气与电子工程学院，南昌３３００１３） 摘　要：针对最小二乘支持向量机（ＬＳＳＶＭ）超参数优化问题，提出采用改进耦合模拟退火（ＣＳＡ）算法优化ＬＳ ＳＶＭ超参数。首先，耦合模拟退火算法通过并行处理多个独立模拟退火（ＳＡ）寻优过程，提高ＬＳＳＶＭ模型超参 数优化效率；然后通过调整接受温度控制耦合项超参数的接受概率方差，降低 ＣＳＡ 算法初始设置对ＬＳＳＶＭ最 优超参数确定过程稳健性的影响；最后结合既有线轮轨现场的实际检测数据，开展了基于改进耦合模拟退火优 化的最小二乘支持向量机（ＣＳＡ ＬＳＳＶＭ）回归模型性能对比实验。结果表明，ＣＳＡ ＬＳＳＶＭ回归模型达到了模 型精度、算法快速性、算法鲁棒性的有效折中，所建立的ＬＳＳＶＭ优化模型用于现场的车轮踏面磨耗量的预测是 有效的。 关键词：耦合模拟退火；最小二乘支持向量机；超参数优化；踏面磨耗 中图分类号：ＴＰ３９１．９　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１５）０２０３９７０６ ｄｏｉ：１０３９６９／ｊ．ｉｓｓｎ１００１３６９５２０１５０２０１８ Ｐｒｅｄｉｃｔｉｏｎ ｏｆｗｈｅｅｌ ｔｒｅａｄ ｗｅａｒ ｖｏｌｕｍｅ ｂａｓｅｄ ｏｎ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ ｏｐｔｉｍｉｚｅｄ ｂｙ ｃｏｕｐｌｅｄ ｓｉｍｕｌａｔｅｄ ａｎｎｅａｌｉｎｇ ＺＨＯＮＧＬｕｓｈｅｎｇ，ＣＨＥＮ Ｌｉｙｏｎｇ，ＧＯＮＧＪｉｎｈｏｎｇ，ＺＨＵ Ｚｈｅｎｍｉｎ，ＸＩＡＯ Ｑｉａｎ （Ｓｃｈｏｏｌ ｏｆＥｌｅｃｔｒｉｃａｌ ＆Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｅａｓｔ Ｃｈｉｎａ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｉｍｐｒｏｖｅｄｃｏｕｐｌｅｄ ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ（ＣＳＡ）ａｌｇｏｒｉｔｈｍｔｏｏｐｔｉｍｉｚｅｔｈｅｈｙｐｅｒｐａｒａｍｅｔｅｒｓｏｆ ｌｅａｓｔ ｓｑｕａｒｅｓｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＬＳＳＶＭ）．Ｆｉｒｓｔ，ｔｈｅ ＣＳＡａｌｇｏｒｉｔｈｍｈａｎｄｌｅｄｍｕｌｔｉｐｌｅｉｎｄｅｐｅｎｄｅｎｔｐａｒａｌｌｅｌｓｉｍｕｌａｔｅｄａｎ ｎｅａｌｉｎｇ （ＳＡ）ｏｐｔｉｍｉｚａｔｉｏｎ ｐｒｏｃｅｓｓ，ｗｈｉｃｈ ｉｍｐｒｏｖｅｄ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ ｆｏｒ ｈｙｐｅｒｐａｒａｍｅｔｅｒｓ ｏｆ ＬＳＳＶＭｍｏｄｅｌ． Ｓｅｃｏｎｄ，ｔｈｅ ａｃｃｅｐｔａｎｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌｌｅｄ ｔｈｅ ｖａｒｉａｎｃｅ ｏｆｔｈｅ ａｃｃｅｐｔａｎｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｗｈｉｃｈ ｒｅｄｕｃｅｄ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆｔｈｅ ＣＳＡ ａｌｇｏｒｉｔｈｍ ｔｏ ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｐａｒａｍｅｔｅｒｓ．Ｆｉｎａｌｌｙ，ｉｔ ｅｓｔａｂｌｉｓｈｅｄ ＣＳＡ ＬＳＳＶＭｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｔｏ ｐｒｅｄｉｃｔ ｗｈｅｅｌ ｔｒｅａｄ ｗｅａｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｆｉｅｌｄ ｄａｔａ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ＣＳＡ ＬＳＳＶＭｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｃａｎ ｔｒａｄｅ ｏｆｆｔｈｅ ｍｏｄｅｌ ｆｉｔ ｖｅｒｓｕｓｔｈｅ ｍｏｄｅｌ ｃｏｍｐｌｅｘｉｔｙ，ａｎｄ ｔｈｅ ｐｒｏ