为实现液压挖掘机作业循环阶段状态的自动识别,提出采用时窗滑移特征提取与PCA-SVM相结合的方法.以液压挖掘机2个主泵压力信号为研究对象,采用时窗滑移截取各阶段状态的小段波形,提取所有截取波段相应的时频参数并进行特征值归一化,经PCA降维处理后作为输入特征集,采用SVM进行状态分类,并分别讨论时窗宽度与重叠率对识别准确率的影响.引入即时校正策略,对直接识别结果进行自动检验校正,纠正不符合挖掘机循环作业逻辑规则的误判结果,从而使识别准确率由80.85%提高到89.36%.实验结果表明,所提方法能准确有效地实现液压挖掘机作业循环各阶段状态的自动识别.
类型: 期刊论文
作者: 黄杰,王东,王新晴,殷勤,邵发明
关键词: 液压挖掘机,作业循环,状态识别,支持向量机,即时校正策略
来源: 浙江大学学报(工学版) 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 陆军工程大学野战工程学院,武警工程大学(乌鲁木齐校区)
基金: 国家重点研发计划资助项目(2016YFC0802904),国家自然科学基金资助项目(61671470),中国博士后科学基金资助项目(2017M623423)
分类号: TU621
页码: 1663-1673
总页数: 11
文件大小: 1625K
下载量: 127
本文来源: https://www.lunwen90.cn/article/109bd30a5a1e84a88efccebe.html