【技术实现步骤摘要】
基于PSO优化LSSVM的车用多维力传感器解耦方法
本专利技术涉及多维力传感器相关方法领域,特别涉及基于PSO优化LSSVM的车用多维力传感器解耦方法。
技术介绍
汽车实际行驶过程中,车轮受到六维力(侧向力、垂直力、纵向力、侧倾力矩、横摆力矩、扭矩)的作用,这些力对汽车行驶状态的监测以及车辆控制有着重要的重要。传统方法使用各方向上的单维力测量传感器,轴向尺寸较大,安装所需空间较多,不能够满足车轮多维力测量的要求,因此汽车车轮多维力传感器(WheelForceTransducer)在汽车上的应用越来越广泛。车轮多维力传感器采用轮辐式结构与轮鼓与轮辆直接联接的弹性体,轮辐随车轮一起转动,车轮所受的各维载荷使弹性梁发生拉压和扭弯变形,通过测量点的选择及应变片布片和组桥,使各桥路输出直接对应各维载荷,从而实现多维力的测量。然而,由于车用多维力传感器一体化的弹性体结构以及制作加工工艺上的误差,使得传感器在不同维度方向的转换通道上,存在着不可避免的耦合,即维间耦合,这严重影响了传感器的测量精度,因此对车用多维力传感器进行解耦非常重要。基于最小二乘法的解耦方法在可以很好地解决线性解耦问题,但该方法在计算非线性解耦过程中,常常会出现数值精度不高、鲁棒性较差、易产生局部最优解等问题。基于神经网络的方法需要大量的标定样本进行训练,否则难以达到满意的解耦精度。
技术实现思路
为了解决以上问题,本专利技术提供基于PSO优化LSSVM的车用多维力传感器解耦方法,建立最小二乘支持向量机解耦模型,并使用PSO(粒子群算法)全局 ...
【技术保护点】
1.基于PSO优化LSSVM的车用多维力传感器解耦方法,具体步骤如下,其特征在于;/nStep1:采集车用多维力传感器的标定数据;/n将车用多维力传感器和载荷加载器安装在标定总支架台上,载荷加载器给传感器施加不同维度的压力和扭矩,每次加载可以精确获得各个维度载荷值并记录,施加荷载后传感器内部弹性体发生形变,并经信号放大电路产生相应的差分电压信号,分别对应六个维度分量的电压信号,多信号数据采集卡收集各路的电压信号,经A/D转换后将六分量的数据上传到标定平台的上位机,记录对应的六维电压信号,将采集的数据作为原始样本集,原始样本集可表示为∏=(X
【技术特征摘要】
1.基于PSO优化LSSVM的车用多维力传感器解耦方法,具体步骤如下,其特征在于;
Step1:采集车用多维力传感器的标定数据;
将车用多维力传感器和载荷加载器安装在标定总支架台上,载荷加载器给传感器施加不同维度的压力和扭矩,每次加载可以精确获得各个维度载荷值并记录,施加荷载后传感器内部弹性体发生形变,并经信号放大电路产生相应的差分电压信号,分别对应六个维度分量的电压信号,多信号数据采集卡收集各路的电压信号,经A/D转换后将六分量的数据上传到标定平台的上位机,记录对应的六维电压信号,将采集的数据作为原始样本集,原始样本集可表示为∏=(XU,YF),其中,对应于每次加载传感器各路产生的电压信号,作为车用多维力传感器标定解耦网络模型的输入量,YF=(Fx,Fy,Fz,Mx,My,Mz)对应于每次加载在传感器各个维度的实际载荷量,作为车用多维力传感器标定解耦网络模型的输出量;
Step2:搭建车用多维力传感器解耦的最小二乘支持向量机模型;
由在力解耦之前需要将力和力矩数据(Fx,Fy,Fz,Mx,My,Mz)进行归一化处理,得到归一化的数据分别表示6个力/力矩归一化处理后的值,即
其中,为力/力矩归一化后的值;yi为第i个力/力矩的原始值,ymax,ymin分别为yi中的最大值和最小值;
则归一化的力和力矩数据组成的样本数据集其中xi为输入向量,表示第i个样本的电压信号向量XiU,yi为输出向量,表示第i个样本归一化后的加载载荷向量l为样本个数;
建立基于最小二乘支持向量机车用多维力传感器的解耦模型为
其中,w为可调权值向量,为转换函数,b为偏置量;
基于统计理论,最小二乘支持向量机模型通过以下目标数极小化确定回归函数:
其中,γ为正则化参数,ei为误差,上式代入拉式乘子,可得;
为求解该式,对该式各变量进行偏导并赋值导数为0,
消去w和e,可求解出λi和b。则此时解耦模型为
其中K(xi,x)为核函数,选取核函数为径向基函数,表达式为
将力/力矩和电压...
【专利技术属性】
技术研发人员:杨忠,宋爱国,徐宝国,田小敏,余振中,
申请(专利权)人:金陵科技学院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。