[发明专利]基于SVR_Adaboost改进算法的商用货车质量估计方法

摘要

本发明请求保护一种基于SVR_Adaboost改进算法的商用货车质量辨识方法，在车辆起步10s，采用时间序列方式在CAN总线中，采集由车辆纵向动力学模型所确定的相关变量纵向驱动力、纵向加速度、迎风阻力、轮胎滚动阻力、路面坡度，并按固定数据结构组合成一组数据。将组合数据Z‑score标准化，再PCA降维到10维，作为输入变量，利用SVR作为基学习算法，再用Adaboost提升方法反复训练，得出一系列弱SVR模型，并组合这些模型，构成最终质量辨识模型。通过Adaboost提升训练后的模型在辨识应用中比单一基学习算法泛化能力更加显著优越、辨识精度更高。

主权项

1.一种基于SVR_Adaboost改进算法的商用货车质量估计方法，其特征在于，包括以下步骤：通过CAN总线采集纵向驱动力F_res、纵向加速度纵向速度v_x、迎风阻力F_w、轮胎滚动阻力系数f及路面坡度θ，形成一组原始数据；采用Z‑score标准分数算法标准化原始数据，使原始数据变换到同一数量级；采用PCA主成分分析算法对标准化后的数据进行降维；将Z‑score标准化和PCA降维后的数据，输入到SVR_Adaboost支持向量机集成学习改进算法，估计出商用货车载重质量，其中，它的主要改进在于，Adaboost集成学习通过改变数据集的概率分布，将传统SVR弱估计算法改进为强学习算法。