关键词:
重型拖拉机
湿式离合器
温度预测
支持向量机
改进灰狼粒子群算法
摘要:
针对传统机器学习模型预测重型拖拉机液压机械无级变速箱(Hydro mechanical continuously variable transmission,HMCVT)湿式离合器温度的局限性,提出了基于改进灰狼粒子群优化-支持向量机(Improved grey wolf particle swarm optimization-support vector machine,IGWPSO-SVM)的HMCVT湿式离合器摩擦副温度预测模型。首先,对湿式离合器摩擦副滑摩过程进行热分析,确定影响湿式离合器摩擦副温度的因素;然后,基于支持向量机(Support vector machine,SVM)搭建温度预测模型,并利用改进灰狼粒子群优化(Improved grey wolf particle swarm optimization,IGWPSO)算法对SVM的结构参数进行优化;最后,基于HMCVT湿式离合器试验台数据搭建离合器摩擦副温度预测模型的样本数据库,以湿式离合器摩擦副对偶钢片为对象,对IGWPSO-SVM模型进行试验验证。试验结果表明,IGWPSO-SVM模型预测摩擦副对偶钢片内、中、外径温度的平均绝对误差(Mean absolute error,MAE)、均方误差(Mean square error,MSE)、均方根误差(Root mean square error,RMSE)、平均绝对百分比误差(Mean absolute percentage error,MAPE)的均值分别为3.3557℃、24.3212℃^(2)、4.5976℃、3.95%,最高温度预测误差分别为7.8700、5.4300、0.9900℃,3次试验的对偶钢片内、中、外径温度MAE、MSE、RMSE、MAPE均值的平均值分别为3.3522℃、24.7380℃^(2)、4.9737℃、4.12%,3次试验的内、中、外径最高温度平均绝对误差(Maximum temperature mean absolute error,MTMAE)平均值为4.3733℃,相比于其他4种已有的模型为最低。研究结果可为重型拖拉机湿式离合器温度的高精度预测及整车的可靠性控制提供理论依据。