最小二乘支持向量机在钢轨磨损量预测中的应用.pdf

第 24卷 第 1期 兰州工业学院学报 V o l .24 N o . l 2017 年 2 月 Journal of Lanzhou Institute of Technology F e b .2017 文章编号= 1009-2269(2017) 01-0077-03 最小二乘支持向量机在钢轨磨损量预测中的应用 王 自 励 \ 李 娜 \ 秦 星 2 (1.宁夏建设职业技术学院，宁夏银川750021;2.中交第一公路勘察设计研究院有限公司，陕 西 西 安 710075) 摘要:针对轮轨磨损产生的因素众多，并且磨损量的多少与产生的因素具有高度非线性，磨损难 以预测的问题,提出了最小二乘支持向量机磨损预测方法.在JD -1轮轨模拟实验机上获得不同 曲线半径、轴重、运行速度作为输入量，磨损量作为输出量对钢轨磨损量进行预测，仿真结果表 明，最小二乘支持向量机对钢轨磨损量具有很好的预测性能，能够较好地反应曲线半径、轴重、运 行速度对钢轨磨损量的影响规律. 关键词：钢轨；最小二乘支持向量机;磨损量 中图分类号：U213.42 文献标志码:A 且存在过拟合、局部极小等问题.针对以上方法的 0 引言 不足，本文提出了利用支持向量机进行钢轨磨损预 随着列车的高速、重载、高密度运行，机车轮对 测的方法，它能够很好的解决小样本、非线性和局 在钢轨上行走时对钢轨产生的磨损日益严重.钢轨 部极小等实际问题，具有很强的泛化能力[10-13].最 磨损对机车的行车安全造成了极大的影响，也给铁 小二乘支持向量机是标准支持向量机的一种扩展, 路运输业造成了很大的经济损失，还严重影响了乘 优化指标采用平方项，并用等式约束代替不等式约 客旅行的舒适度[|].钢轨磨损的产生与许多因素有 束，使求解速度相对加快. 关，而各种影响因素与磨损是典型的非线型关 1 最小二乘支持向量机原理 系[25]，所以通常不能或者无法用精确的语言来准 确的描述.在磨损预测上已经有许多学者进行了相 给定训练样本丨 ,% I ,其中 I = 1 ,2 ,… ， ra ,几 应的研究工作.王文建[6]运用基于 B P 神经网络的 为样本总数， e d 为 空 间 的 维 数 ，％ e K . 方法进行钢轨磨损量预测；王平[7]运用 G A -B P 网 用非线性映射P (〇 将样本从原空间映射到高维 络方法对钢轨磨损量进行预测；王彩芸[M]用数值 特征空间中，在这个空间中构造最优线性回归函数 /( 计算的方法分析静态接触情况下车速变化对钢轨 x ) = wTcp ( x ) + b . (1) 磨损量的影响，并进行数值模拟与实验研究.预测 式中， w 为权向量， w E 记 ， 6 为常数， 6 e K . 的方法通常有经典的参数估计法、经验非线性法、 最小二乘支持向量机优化目标采用函数拟合 基于统计学习理论法.经典的参数估计法，如线性 精度的平方项.根据 SMR准则，优化目标和约束 回归法，这种方法虽然有很好的理论基础，但由于 条件分别为 常常过于简单化或者对涉及的数据过多、无法获 min 去 || w ||2 = ⑵ 取，