支持向量機在路面識別中的應用.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,所以路面不平度應根據(jù)車輛在路面上行駛時的車輪力來檢測。本文采用東南大學研制的六維力車輪傳感器在安徽定遠汽車試驗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),采用支持向量機和模糊支持向量機來識別不同類型路面的不平度。支持向量機方法是建立在統(tǒng)計學習理論基礎(chǔ)上的學習機,適合處理小樣本學習問題。支持向量機的徑向基寬度和懲罰系數(shù)

2、兩個參數(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等優(yōu)勢。對于其在支持向量機中的應用進行了深入分析和改進。同時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,將模糊機制引入支持向量機構(gòu)造了模糊支持向量機,并利用改進的粒子群算法優(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個樣本。采用自組織特征神經(jīng)網(wǎng)絡確定樣本標識ID,用支持向量機識別路面類型,采用徑向基函數(shù)作為核函數(shù),使用改進的粒子群算法進行了參數(shù)優(yōu)化。
　　(2)參數(shù)的優(yōu)化對識別率的提高有重大影響。本文對改進的粒子群算法進行了深入剖析。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

4、粒子群算法的改進。數(shù)據(jù)處理表明均布初始化粒子代替隨機初始化粒子能減小結(jié)果的隨機性,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附近時較為適宜。選取四個粒子進行尋優(yōu),均布初始化時的最高平均識別率達到了72.5％,而隨機初始化只達到了67.5%。對粒子群算法在支持向量機參數(shù)優(yōu)化中的應用

5、和改進具有借鑒意義。
　　(3)利用模糊支持向量機進行路面不平度識別進行了嘗試研究。在模糊支持向量機的使用中模糊隸屬度函數(shù)的設(shè)計是關(guān)鍵。針對支持向量機對樣本中的噪聲點和野值點特別敏感的缺點,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粒子群算法對模糊支持向量機的參數(shù)進行優(yōu)化。通過對實驗數(shù)據(jù)的訓練和測試,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的72.5%的識別率。數(shù)據(jù)處理表明模糊隸屬度的