支持向量機(jī)在路面識別中的應(yīng)用.pdf

1、路面不平度的檢測對于道路施工、國防建設(shè)、汽車研發(fā)和行車安全等具有重大意義。公路的主要用途是行車,所以路面不平度應(yīng)根據(jù)車輛在路面上行駛時(shí)的車輪力來檢測。本文采用東南大學(xué)研制的六維力車輪傳感器在安徽定遠(yuǎn)汽車試驗(yàn)場采集了幾種不同的路面類型的汽車垂直載荷,使用經(jīng)過特征提取得到的參數(shù),采用支持向量機(jī)和模糊支持向量機(jī)來識別不同類型路面的不平度。支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的學(xué)習(xí)機(jī),適合處理小樣本學(xué)習(xí)問題。支持向量機(jī)的徑向基寬度和懲罰系數(shù)

2、兩個(gè)參數(shù)需要優(yōu)化選擇。粒子群優(yōu)化算法是一種基于群集智能的全局優(yōu)化方法,具有原理簡單、參數(shù)少、收斂速度較快、所需領(lǐng)域知識少和通用性強(qiáng)等優(yōu)勢。對于其在支持向量機(jī)中的應(yīng)用進(jìn)行了深入分析和改進(jìn)。同時(shí)采用基于樣本到類中心距離的隸屬度函數(shù)來確定樣本的隸屬度,將模糊機(jī)制引入支持向量機(jī)構(gòu)造了模糊支持向量機(jī),并利用改進(jìn)的粒子群算法優(yōu)化參數(shù)。
　　本文主要工作如下:
　　(1)將汽車行駛在不同路面上的垂直載荷經(jīng)過去均值,去隨機(jī)噪聲,去周期性干擾

3、信號之后利用小波分解求得的幅值均值和方差作為路面識別的特征參數(shù),特征參數(shù)進(jìn)行了歸一化處理。有5種路面類型,分別是搓板路,石塊路,碎石路,魚鱗路和水泥路,共17個(gè)樣本。采用自組織特征神經(jīng)網(wǎng)絡(luò)確定樣本標(biāo)識ID,用支持向量機(jī)識別路面類型,采用徑向基函數(shù)作為核函數(shù),使用改進(jìn)的粒子群算法進(jìn)行了參數(shù)優(yōu)化。
　　(2)參數(shù)的優(yōu)化對識別率的提高有重大影響。本文對改進(jìn)的粒子群算法進(jìn)行了深入剖析。提出通過跟蹤全部粒子搜尋的軌跡和最優(yōu)粒子變換過程來指導(dǎo)

4、粒子群算法的改進(jìn)。數(shù)據(jù)處理表明均布初始化粒子代替隨機(jī)初始化粒子能減小結(jié)果的隨機(jī)性,并能更好的覆蓋搜尋區(qū)域,提高搜尋全局最優(yōu)的概率。均布初始化粒子還可以使用較少的尋優(yōu)粒子,利于提高算法的速度。通過在迭代中跟蹤粒子的速度組成,確定了徑向基寬度和懲罰系數(shù)的速度最大值分別在0.09和1000附近時(shí)較為適宜。選取四個(gè)粒子進(jìn)行尋優(yōu),均布初始化時(shí)的最高平均識別率達(dá)到了72.5％,而隨機(jī)初始化只達(dá)到了67.5%。對粒子群算法在支持向量機(jī)參數(shù)優(yōu)化中的應(yīng)用

5、和改進(jìn)具有借鑒意義。
　　(3)利用模糊支持向量機(jī)進(jìn)行路面不平度識別進(jìn)行了嘗試研究。在模糊支持向量機(jī)的使用中模糊隸屬度函數(shù)的設(shè)計(jì)是關(guān)鍵。針對支持向量機(jī)對樣本中的噪聲點(diǎn)和野值點(diǎn)特別敏感的缺點(diǎn),采用將樣本到類中心的距離作為樣本的模糊隸屬度,并結(jié)合均布初始化的改進(jìn)粒子群算法對模糊支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化。通過對實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練和測試,該方法的最高平均識別率提高到了77.5%,高于一般支持向量機(jī)的72.5%的識別率。數(shù)據(jù)處理表明模糊隸屬度的