基于AR模型KPCA-Weighted+LSSVM的减振性能预测研究.pdfVIP

2014年 1月 机床与液压 Jan．2014 第42卷 第 1期 MACHINETOOL HYDRAULICS Vo1．42No．1 DOI：10．3969／j．issn．1001—3881．2014．01．003 基于 AR模型 KPCA—WeightedLSSVM的减振性能预测研究 陈庆堂 ，黄宜坚 ，宋一然 (1．湄洲湾职业技术学院，福建莆田351254； 2．华侨大学机电及 自动化学院，福建厦门361021； 3．莆田学院，福建莆田351100) 摘要：以磁流变减振系统为研究对象 ，建立了基于时间序列 自回归模型核主元分析的加权最小二乘支持向量机预测模 型，预测系统的减振性能。分析结果表明：这一预测模型降低了模型的复杂程度，具有较高的预测精度，适用于系统性能 预测与实时状态监控。 关键词：磁流变减振系统 ；AR模型；核主元分析；最小二乘支持向量机 中图分类号：TB381 文献标识码 ：A 文章编号：1001—3881(2014)1—007—5 DampingPerformancePredictionStudyBasedonKPCA-W eighted LSSVM ofAR Model CHENQingtang，HUANGYijian，SONGYiran (1．MeizhouwanVocationalTechnicalCollege，PutianFujian351254，China； 2．CollegeofMechanicalEngineeringandAutomation，HuaqiaoUniversity，XiamenFujian361021，China； 3．PutianUniversity，PutianFujian351100，China) Abstract：TakingMRdampingsystemasresearchobject，theAR-KPCA—WeightedLSSVMpredictionmodelwasfounded，the dampingperformanceofthesystem waspredicted．Theresultshowsthatthelowercomplication-degreeandhigherpredictionprecision areaUprovidedbytheAR—KPCA—WeightedLSSVM predictionmode1．Itcanbeusedfortheperfomr ancepredictionandrealtimestate monitoringofthesystem． Keywords：MRdampingsystem；ARmodel；KPCA；WeightedLS-SVM 支持向量机理论在解决小样本、非线性及高维模 (w，6)：min下1II’．’ll+导 (1) 式识别问题中具有优势。采用加权最小二乘支持向量 机 (WeightedLeastSquaresSuppo~VectorMachine， S．t． Yf=W ·g ()+b+ i=1，2，…，n WeightedLS—SVM)的机器学习方法，研究基于时间 式中：X为输人数据 ；Y为输出数据；W为权重向量； 序列AR模型核主元分析的磁流变减振系统的振动信 g ()是将 从输入空间映射到特征空间的函数； 号与减振效率之间的关系，探讨系统状态预测建模方 是 的松弛系数 ，与 S-SVM不同的是 LS—SVM 中 法与其精度的关系，对磁流变减振系统的性能研究及 的 可以是负数；C是边界系数。 状态监控具有重要的