基于AR模型KPCA-Weighted LSSVM的减振性能预测研究.pdf

《基于AR模型KPCA-Weighted LSSVM的减振性能预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年1月机床与液压Jan．2014第42卷第1期MACHINETOOL&HYDRAULICSVo1．42No．1DOI：10．3969／j．issn．1001—3881．2014．01．003基于AR模型KPCA—WeightedLSSVM的减振性能预测研究陈庆堂，黄宜坚，宋一然(1．湄洲湾职业技术学院，福建莆田351254；2．华侨大学机电及自动化学院，福建厦门361021；3．莆田学院，福建莆田351100)摘要：以磁流变减振系统为研究对象，建立了基于时间序列自回归模型核主元分析的加权最

2、小二乘支持向量机预测模型，预测系统的减振性能。分析结果表明：这一预测模型降低了模型的复杂程度，具有较高的预测精度，适用于系统性能预测与实时状态监控。关键词：磁流变减振系统；AR模型；核主元分析；最小二乘支持向量机中图分类号：TB381文献标识码：A文章编号：1001—3881(2014)1—007—5DampingPerformancePredictionStudyBasedonKPCA-WeightedLSSVMofARModelCHENQingtang，HUANGYijian，SONGYira

3、n(1．MeizhouwanVocationalTechnicalCollege，PutianFujian351254，China；2．CollegeofMechanicalEngineeringandAutomation，HuaqiaoUniversity，XiamenFujian361021，China；3．PutianUniversity，PutianFujian351100，China)Abstract：TakingMRdampingsystemasresearchobject，theAR

4、-KPCA—WeightedLSSVMpredictionmodelwasfounded，thedampingperformanceofthesystemwaspredicted．Theresultshowsthatthelowercomplication-degreeandhigherpredictionprecisionareaUprovidedbytheAR—KPCA—WeightedLSSVMpredictionmode1．Itcanbeusedfortheperformancepredi

5、ctionandrealtimestatemonitoringofthesystem．Keywords：MRdampingsystem；ARmodel；KPCA；WeightedLS-SVM支持向量机理论在解决小样本、非线性及高维模(w，6)：min下1II’．’ll+导(1)式识别问题中具有优势。采用加权最小二乘支持向量机(WeightedLeastSquaresSuppo~VectorMachine，S．t．Yf=W·g()+b+i=1，2，⋯，nWeightedLS—SVM)的机器学习方法，

6、研究基于时间式中：X为输人数据；Y为输出数据；W为权重向量；序列AR模型核主元分析的磁流变减振系统的振动信g()是将从输入空间映射到特征空间的函数；号与减振效率之间的关系，探讨系统状态预测建模方是的松弛系数，与S-SVM不同的是LS—SVM中法与其精度的关系，对磁流变减振系统的性能研究及的可以是负数；C是边界系数。状态监控具有重要的指导意义。式(1)的Lagrange目标函数(，．，，6，s，)：—1ww+c1加权最小二乘支持向量机-一[w．2；_11．1最小二乘支持向量回归机(LS．SVM)g(

7、)+b+一Y](2)LS-SVM是Suykens和Vandewalb在1999年提出令上式对W，b，的偏导为0，可得：的一种支持向量机变形算法。LS．SVM的损失函数采OL用误差的二次平方项，将不等式约束条件转变成等式=0一()(3)约束，使求解过程变为线性运算，其训练通过下式完OL成：=0一=0(4)收稿日期：2013一ol一07基金项目：国家自然科学基金资助项目(50975098)作者简介：陈庆堂(1973一)，男，副教授，研究方向为电磁流变技术、结构优化分析。E—mail：chenqingt

8、@126．com。·8·机床与液压第42卷OL消去w，可以得到一个线性KKT系统：：_0=Cs(5)将式(3)一(5)及式(2)结合式(1)的条IT加，件消去W，可以得到对偶问题的一个线性Karush—Kahn．Tucker(KKT)系统：其中：R=[ri，⋯，r]TO权值rI的选择是根据Un-weightedLS-SVM中的误差变量=Ot／C来选择的，=口㈤下面给出一种常用的确定权值的方法：1当／Jsl≤c。其中：，=[1，⋯，1]是一个It维向量，=[Y。，⋯Y]T，：[0[1