为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行...为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行雨流计数统计,得到载荷循环均幅值矩阵,将小于载荷循环最大幅值10%的载荷滤除,其余的载荷循环均幅值数据根据四叉树分割算法进行不同区域的分割,选择高斯核函数,根据拇指法则计算各个区域的局部最优带宽,并根据数据区域内数据点的密集程度对核密度估计的输入进行优化,减少了核密度估计的计算量,最后结合蒙特卡洛模拟算法进行载荷外推。采用玉米收获机车架实测载荷数据进行实例验证,结果表明,与传统的固定带宽、自适应带宽核密度估计的载荷外推方法相比,本文提出的方法大大提高了计算效率,其概率密度函数图与实际载荷分布更为接近;载荷循环均幅值频次分布相关系数更接近于1,均方根误差更小;载荷循环幅值累积频次曲线的决定系数均大于0.99。展开更多
可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应...可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了“过平滑”概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%).展开更多
文摘为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行雨流计数统计,得到载荷循环均幅值矩阵,将小于载荷循环最大幅值10%的载荷滤除,其余的载荷循环均幅值数据根据四叉树分割算法进行不同区域的分割,选择高斯核函数,根据拇指法则计算各个区域的局部最优带宽,并根据数据区域内数据点的密集程度对核密度估计的输入进行优化,减少了核密度估计的计算量,最后结合蒙特卡洛模拟算法进行载荷外推。采用玉米收获机车架实测载荷数据进行实例验证,结果表明,与传统的固定带宽、自适应带宽核密度估计的载荷外推方法相比,本文提出的方法大大提高了计算效率,其概率密度函数图与实际载荷分布更为接近;载荷循环均幅值频次分布相关系数更接近于1,均方根误差更小;载荷循环幅值累积频次曲线的决定系数均大于0.99。
文摘可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了“过平滑”概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%).
