基于超球面支持向量机的综合传动状态判别

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (01): 13-18.

基于超球面支持向量机的综合传动状态判别

张英锋^1,2, 马彪¹, 朱愿², 张金乐¹

1. 北京理工大学机械与车辆学院,北京 100081;
2. 军事交通学院汽车工程系,天津 300161

收稿日期:2010-01-09 出版日期:2012-01-01 发布日期:2012-01-01
通讯作者: 马彪(1964-),男,教授,博士生导师.研究方向:车辆传动系统设计,液力传动技术控制及故障诊断. E-mail:mabiao@bit.edu.cn E-mail:mabiao@bit.edu.cn
作者简介:张英锋(1978-),男,博士研究生.研究方向:车辆传动系统故障诊断.E-mail:zyfimportant@163.com
基金资助:
"十一五"国防预先研究项目(62301030303);高等学校学科创新引智计划项目(B08043);"十一五"总装备部预研项目(40402020102).

State identification of power-shift steering transmission based on hypersphere support vector machine

ZHANG Ying-feng^1,2, MA Biao¹, ZHU Yuan², ZHANG Jin-le¹

1. School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China;
2. Department of Automobile Engineering, Academy of Military Transportation, Tianjin 300161, China

Received:2010-01-09 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要：

以油液光谱分析数据为基础,建立了基于超球面支持向量机的综合传动状态判别模型。利用主成分分析法,对油液光谱分析数据进行预处理,并进行主成分提取的研究分析。研究了参数的变化和异常样本对模型性能的影响。实验研究表明,基于超球面支持向量机的状态判别模型准确可行,能实现综合传动的状态判别。

关键词: 车辆工程, 状态判别, 超球面支持向量机, 综合传动, 油液光谱分析

Abstract:

An evaluation model based on the hypersphere support vector machine for power-shift steering transmission (PSST) was developed on the basis of spectrometric oil analysis data. The pretreatment of spectrometric oil analysis data was made and the principal components were studied using principal component analysis method. The influences of parameter variation and abnormal samples on the performance of hypersphere support vector machine model were studied. It has been proved that this model is accurate in evaluating the operation state of PSST.

Key words: vehicle engineering, state identification, hypersphere support vector machine, power-shift steering transmission(PSST), spectrometric analysis of oil

中图分类号:

U463.2

张英锋, 马彪, 朱愿, 张金乐. 基于超球面支持向量机的综合传动状态判别[J]. 吉林大学学报(工学版), 2012, 42(01): 13-18.

ZHANG Ying-feng, MA Biao, ZHU Yuan, ZHANG Jin-le. State identification of power-shift steering transmission based on hypersphere support vector machine[J]. 吉林大学学报(工学版), 2012, 42(01): 13-18.

参考文献

[1] 郑长松,马彪,马源. 基于油液光谱分析的综合传动状态监测试验研究
[J]. 光谱学与光谱分析,2009,29(3):749-751. Zheng Chang-song, Ma Biao, Ma Yuan. Test research on state monitor of PSST by oil spectrometric analysis
[J]. Spectroscopy and Spectral Analysis, 2009,29(3):749-751.

[2] 闵顺耕,李宁,张明祥. 近红外光谱分析中异常值的判别与定量模型优化
[J]. 光谱学与光谱分析,2004,24(10):1205-1209. Min Shun-gen, Li Ning, Zhang Ming-xiang.Outlier diagnosis and calibration model optimization for near infrared spectroscopy analysis
[J]. Spectroscopy and Spectral Analysis,2004,24(10):1205-1209.

[3] Scholkopf B,Platt J C,Shawe-Taylor J,et al. Estimating the support of a high-dimension distribution
[J]. Neural Computation,2001,7(13):1443-1471.

[4] Tax David M J, Duin Robert P W. Support vector domain description
[J]. Pattern Recognition Letters, 1999 (20): 1191-1199.

[5] Chapelle Olivier,Haffner Patrick,Vapnik Vladimir N. Support vector machines for histogram-based image classification
[J]. IEEE Transactions on Neural Neworks,1999,10(5):1055-1064.

[6] 邓乃扬,田英杰. 数据挖掘中的新方法:支持向量机
[M]. 北京:科学出版社,2004:344-345.

[7] Boser Bernhard E, Guyon Isabelle M, Vapnik Vladimir N. A training algorithm for optimal margin classifiers//Proceedings of the Fifth Annual Workshop Computational Learning Theory,1992:144-152.

[8] Scholkopf Bernhard, Simard Patrice, Smola Alex, et al. Prior knowledge in support vector kernels//Proceedings of the 1997 Conference on Advances in Neural Information Processing Systems, 1998.

[9] 付忠广,王丽平,戈志华,等. 采用主成分分析法综合评价电站机组的运行状态
[J]. 动力工程,2008, 28(4):548-551. Fu Zhong-guang, Wang Li-ping, Ge Zhi-hua, et al. Principal component analysis for comprehensive evaluation on information of power plant unit
[J]. Journal of Power Engineering, 2008, 28(4):548-551.

[10] 刘宝英,杨仁刚. 基于主成分分析的最小二乘支持向量机短期负荷预测模型
[J]. 电力自动化设备, 2008, 28(11):13-17. Liu Bao-ying, Yang Ren-gang. Short-term load forecasting model based on LS-SVM with PCA
[J]. Electric Power Automation Equipment, 2008, 28(11):13-17.

[11] 吕植勇,严新平,彭雅芳,等. 磨损磨粒的主成分聚类方法分析
[J]. 摩擦学学报,2008,28(5):453-456. Lü Zhi-yong, Yan Xin-ping, Peng Ya-fang, et al. Analysis of typic wear particles based on principal component classification
[J]. Tribology, 2008, 28(5):453-456.

[12] Tax D M J. One-class classification. Delft:Delft University of Technology, 2001.

相关文章 15

[1]	常成,宋传学,张雅歌,邵玉龙,周放. 双馈电机驱动电动汽车变频器容量最小化[J]. 吉林大学学报(工学版), 2018, 48(6): 1629-1635.
[2]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[3]	何仁,杨柳,胡东海. 冷藏运输车太阳能辅助供电制冷系统设计及分析[J]. 吉林大学学报(工学版), 2018, 48(6): 1645-1652.
[4]	那景新,慕文龙,范以撒,谭伟,杨佳宙. 车身钢-铝粘接接头湿热老化性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1653-1660.
[5]	刘玉梅,刘丽,曹晓宁,熊明烨,庄娇娇. 转向架动态模拟试验台避撞模型的构建[J]. 吉林大学学报(工学版), 2018, 48(6): 1661-1668.
[6]	赵伟强, 高恪, 王文彬. 基于电液耦合转向系统的商用车防失稳控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1305-1312.
[7]	宋大凤, 吴西涛, 曾小华, 杨南南, 李文远. 基于理论油耗模型的轻混重卡全生命周期成本分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1313-1323.
[8]	朱剑峰, 张君媛, 陈潇凯, 洪光辉, 宋正超, 曹杰. 基于座椅拉拽安全性能的车身结构改进设计[J]. 吉林大学学报(工学版), 2018, 48(5): 1324-1330.
[9]	那景新, 浦磊鑫, 范以撒, 沈传亮. 湿热环境对Sikaflex-265铝合金粘接接头失效强度的影响[J]. 吉林大学学报(工学版), 2018, 48(5): 1331-1338.
[10]	王炎, 高青, 王国华, 张天时, 苑盟. 混流集成式电池组热管理温均特性增效仿真[J]. 吉林大学学报(工学版), 2018, 48(5): 1339-1348.
[11]	金立生, 谢宪毅, 高琳琳, 郭柏苍. 基于二次规划的分布式电动汽车稳定性控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1349-1359.
[12]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[13]	王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[14]	胡满江, 罗禹贡, 陈龙, 李克强. 基于纵向频响特性的整车质量估计[J]. 吉林大学学报(工学版), 2018, 48(4): 977-983.
[15]	刘国政, 史文库, 陈志勇. 考虑安装误差的准双曲面齿轮传动误差有限元分析[J]. 吉林大学学报(工学版), 2018, 48(4): 984-989.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed