基于GMM-SVM算法的传感器缺失信号重构模型
史柏迪1
庄曙东2
蔡鸣3
江志伟3
1.河海大学机电工程学院 常州 213022;南京航空航天大学江苏省精密仪器重点实验室 南京 210093;梅特勒-托利多测量技术有限公司 常州 2130222.河海大学机电工程学院 常州 213022;南京航空航天大学江苏省精密仪器重点实验室 南京 2100933.梅特勒-托利多测量技术有限公司 常州 213022
摘要：物流秤在动态测量中,压力传感器因秤体振动与货物冲击的干扰易产生相位缺失、频率跳动等信号缺失问题,经皮尔逊相关性检测发现压力与振动信号相关系数为0.94呈现高度相关.提出一种使用振动信号对缺失压力信号聚类后拟合的重构模型,首先通过GMM模型在样本集中寻找待重构样本的相关样本簇,基于相似样本簇建立GA-SVM对缺失值进行拟合重构.经测试该模型当压力信号缺失比率小于80％时,补偿误差可控低于5％;在各缺失比例下较未经聚类的GA-SVM、GA-BP重构模型精度提升明显.
关键词：信号重构高斯混合模型支持向量机遗传算法
分类号：TH932(机械、仪表工业)
资助基金：江苏省高校实验室研究会立项资助研究课题(GS2019YB18)江苏省精密与微细制造技术重点实验室数学建模课题(CZ520007812)中央高校基本科研业务费资助(2018B44614)
论文发表日期：2023-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 286-291,313 )
英文信息