基于支持向量機的汽車減振器示功圖缺陷自動識別研究.pdf

1、液壓減振器作為汽車懸架系統(tǒng)中的關鍵部件，需要通過測試來了解其工作性能。目前對于減振器缺陷的識別都是先通過示功機測試得到示功圖，再經由人工查看的方式進行判斷，此種方式效率低下、受影響因素多。本文討論了如何利用支持向量機技術，使示功機具備自動識別減振器缺陷類型的功能。
　　本文的主要工作和成果如下:
　　(1)以筒式液壓減振器為研究對象，電伺服正弦示功機為平臺，分析了示功圖典型缺陷類型及形成原理。數(shù)據來源于應用該示功機的多個工業(yè)

2、用戶，將示功圖進行了統(tǒng)一預處理，再根據示功圖特點選取不變矩作為特征提取方式，建立了示功圖缺陷樣本庫。
　　(2)深入討論了統(tǒng)計學習理論與支持向量機的理論基礎。重點為學習機器的VC維，推廣性的界，結構風險最小化，線性與非線性支持向量機，支持向量機核函數(shù)以及常用的多分類算法等理論。
　　(3)研究了LibSVM工具箱實現(xiàn)支持向量機分類的過程，主要為數(shù)據準備、訓練、建模與識別的方法。對8類共534組典型示功圖樣本分別進行關于歸一化

3、方式、核函數(shù)選擇以及參數(shù)優(yōu)化的實驗，最終選取[0，1]歸一化、RBF核函數(shù)與經過交叉驗證得到的優(yōu)化參數(shù)，最高整體識別率達到97％以上。
　　(4)實驗過程及結果表明，特征提取方式、歸一化方式、核函數(shù)種類以及模型參數(shù)的優(yōu)化，對基于支持向量機的示功圖缺陷自動識別模型的性能起到了至關重要的影響。
　　本文研究表明，將支持向量機理論運用到減振器缺陷自動識別的工作中是可行的，且具有較高的識別能力。加載了此項功能的正弦示功機能夠輔助甚至