GWO-SVM的装载机循环工况作业阶段识别方法技术

本发明专利技术公开了一种GWO

【技术实现步骤摘要】
GWO
‑
SVM的装载机循环工况作业阶段识别方法


[0001]本专利技术涉及一种实时识别装载机循环工况作业阶段的方法，属于装载机


技术介绍

[0002]装载机是一种广泛用于公路、铁路、建筑、水电、港口、矿山等建设工程的土石方施工机械，它主要用于铲装土壤、砂石、石灰、煤炭等散状物料，也可对矿石、硬土等作轻度铲挖作业。换装不同的辅助工作装置还可进行推土、起重和其他物料如木材的装卸作业。循环作业是装载机最典型的作业形式，完整的循环作业一般包括空载前进、铲装、负载后退、负载前进、卸料和空载后退六个阶段，每个阶段的状态都不相同，对发动机的功率需求呈现明显的阶梯性和周期性，若使用同一发动机功率，必然会使发动机处于部分负荷状态，存在功率损失，降低燃油经济性。因此，在装载机不同作业阶段采取针对性控制方式，则既能满足作业要求，又能提高发动机的功率利用率，从而提升装载机的燃油经济性。但是，要实现装载机的分阶段控制，首先要识别出装载机所处的实时作业阶段。

技术实现思路

[0003]针对上述问题，本专利技术提供一种GWO...

【技术保护点】

【技术特征摘要】
1.一种GWO
‑
SVM的装载机循环工况作业阶段识别方法，其特征在于，包括如下步骤：(1)采集装载机作业时工作泵出口、转斗无杆腔的实时压力数据，动臂缸的位移并获取挡位信号数据；(2)以实时压力数据和挡位信号通过支持向量机找到超平面，建立SVM模型；(3)根据灰狼算法对所述的SVM模型进行参数优化，得到理论最优模型。2.根据权利要求1所述GWO
‑
SVM的装载机循环工况作业阶段识别方法，其特征在于，装载机循环工况作业阶段的GWO
‑
SVM模型建立包括：将采集的数据按空载前进、铲装、重载后退、重载前进、卸料和空载后退分为六个作业阶段，并给数据打好标签；将数据分划为训练集和测试集，通过SVM一对多进行分类器训练，得到默认参数的装载机作业阶段SVM识别模型；运用灰狼算法对上述SVM模型的惩罚参数C和参数g进行优化得到GWO
‑
SVM模型。3.根据权力要求2所述GWO
‑
SVM的装载机循环工况作业阶段识别方法，其特征在于，采集装载机作业时工作泵出口、转斗无杆腔的实时压力数据，动臂缸的位移以及取挡位信号数据，将得到的数据去除奇异点并滤波，然后将每次的循环工况的压力及挡位数据归一化处理，使其线性调整到[0,1]，归一化后，将所得数据一分为二，得到训练集和测试集。4.根据权利要求3所述GWO
‑
SVM的装载机循环工况作业阶段识别方法，其特征在于，通过SVM一对多进行分类器训练的数据包含六个分类，给定6个类，训练6个二类分类器，其中，分类器i是将i类数据设置为类1，其它所有m
‑
1个i类以外的类共同设置为类2。5.根据权利要求4所述GWO
‑
SVM的装载机循环工况作业阶段识别方法，其特征在于，对于一个需要分类的数据x，通常选择置信度最大的类别标记为分类结果，标准SVM处理步骤如下：I.创建一个逻辑向量(indx)，指示观测值是否为该类的成员；II.使用预测变量数据和indx训练SVM分类器；III.将该分类器储存在元胞数组的一个元胞中；I...

【专利技术属性】
技术研发人员：倪钧，胡晓明，常绿，陈畅，陈勇，张载梅，王红艳，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：