构建起重机载荷谱v-SVRM预测模型的改进方法

摘要：

载荷谱预测精度和鲁棒性直接影响起重机械的疲劳可靠性计算以及安全寿命评估。因此，绘制模拟实际工作状态的载荷谱是解决起重机械疲劳断裂问题的重要环节。然而传统的回归模拟算法对其预测精度较低。支持向量回归机（SVRM ）同其他数据分析算法相比，具有出色的小样本和非线性特性，预测精度高、稳健性好，可较好地解决欠学习、过学习以及局部最小值等传统回归算法的难题。因此，选用支持向量回归机预测起重机载荷谱，提高了模型的预测精度和鲁棒性。在此基础上，从核函数的构造和决策函数的建立两方面的改进，建立了改进的 v‐SVRM预测模型。工程实例分析结果表明：从BP神经网络模型、v‐SVRM模型到改进的v‐SVRM模型，Er和RMSRE逐渐减小，R2逐渐增大，验证了所提出的改进方法具有良好的实用性、鲁棒性以及较高的预测精度，为起重机载荷谱的获取与预测提供了新方法。

关键词：v-支持向量回归机、核函数、决策函数、载荷谱

分类号：TH213(起重机械与运输机械)

资助基金：“十二五”国家科技支撑计划资助项目2011BAK06B05-05；山西省研究生创新项目201214502．

在线出版日期：2015-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：412-419