支持向量機(jī)在路面識(shí)別中的應(yīng)用.pdf

1、路面不平度的檢測(cè)對(duì)于道路施工、國(guó)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(lái)檢測(cè)。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(chǎng)采集了幾種不同的路面類型的汽車垂直載荷,使用經(jīng)過(guò)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(lái)識(shí)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(wèn)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(jiǎn)單、參數(shù)少、收斂速度較快、所需領(lǐng)域知識(shí)少和通用性強(qiáng)等優(yōu)勢(shì)。對(duì)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(lái)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(guò)去均值,去隨機(jī)噪聲,去周期性干擾

3、信號(hào)之后利用小波分解求得的幅值均值和方差作為路面識(shí)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(shí)ID,用支持向量機(jī)識(shí)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(duì)識(shí)別率的提高有重大影響。本文對(duì)改進(jìn)的粒子群算法進(jìn)行了深入剖析。提出通過(guò)跟蹤全部粒子搜尋的軌跡和最優(yōu)粒子變換過(guò)程來(lái)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(guò)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(shí)別率達(dá)到了72.5％,而隨機(jī)初始化只達(dá)到了67.5%。對(duì)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(shí)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(duì)支持向量機(jī)對(duì)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(duì)模糊支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化。通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練和測(cè)試,該方法的最高平均識(shí)別率提高到了77.5%,高于一般支持向量機(jī)的72.5%的識(shí)別率。數(shù)據(jù)處理表明模糊隸屬度的