买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明涉及基于支持向量机和隐马模型的路面压实质量评价方法，属于交通基础设施智能建设领域。该方法通过车载传感器与UWBGPS组合定位系统获取压实监测参数；通过RTK‑GPS结果标识训练样本；采用模糊支持向量机算法对标识后的训练样本进行单点压实状态分类；通过采用极大似然估计算法计算隐马模型参数以描述压实质量变化规律，结合压实监测数据获得整体压实质量评价结果。本发明通过模糊C均值算法的设计和应用对样本数据进行了隶属度求解，提升了支持向量机算法的抗噪能力；通过隐马模型参数的求解和应用，有效地获取了路面压实质量的变化过程；结合组合定位系统的应用，实现了全过程和全区域路面压实质量的评价。

主权项：1.基于支持向量机和隐马模型的路面压实质量评价方法，其特征在于：评价步骤如下：步骤一、通过车载传感器与UWBGPS组合定位系统获取压实监测参数；步骤二、对步骤一中通过UWBGPS组合定位系统获取的压实监测数据进行样本数据预处理，通过RTK-GPS结果标识训练样本；步骤三、单点压实状态分类：通过采用模糊支持向量机算法针对步骤二中RTK-GPS结果标识的训练样本进行学习分类；采用模糊支持向量机算法进行机器学习分类的过程为：步骤1、对于压实监测样本数据，采用模糊C均值算法确定样本数据的隶属度，进而完成训练压实监测样本数据的模糊聚类初步划分，作为支持向量机压实状态分类算法的基础数据；步骤2、根据压实监测样本数据的特点和压实分类的实际需求，选择适当的核函数用于样本数据的分类，并确定惩罚因子C值、核函数参数γ值，设计基于核函数的支持向量机算法；步骤3、对步骤1中采用模糊C均值算法所得初步聚类分类后的结果数据，使用步骤2得到的支持向量机算法进行机器学习分类识别，确定路面压实的单点压实状态类别；步骤四、整体压实质量评价：对于分类后的训练样本，采用极大似然估计算法计算隐马模型参数以描述压实质量变化规律，结合压实监测数据获得整体压实质量评价结果；结合压实监测数据进行整体压实质量评价的过程为：步骤1、在碾压施工中直接获取路面初始压实状态，即为初始概率向量π；在碾压过程中通过步骤一获取系列压实监测数据，并通过步骤二和步骤三获取对单点压实状态的分类结果，即为观测序列；步骤2、依据现场试验获取准确的碾压次数，进而通过压实度与压实次数的对数关系反推压实状态作为隐含状态序列；步骤3、通过极大似然估计算法进行隐马模型参数的计算，确定路面压实质量状态的隐马模型λ＝A,B,π，其中A为隐含状态转移概率矩阵，B为观测状态转移概率矩阵，π为初始状态概率向量；步骤4、将步骤三的分类结果作为压实状态观测序列O，并结合步骤3获得隐马模型参数，使用维特比算法计算获取碾压施工的隐含压实状态序列；步骤5、根据步骤4的结果，结合UWBGPS组合定位系统结果，实现路面碾压施工的全过程和全区域压实质量评价，为智能压实反馈控制提供决策依据。

全文数据：

权利要求：

百度查询： 东南大学 基于支持向量机和隐马模型的路面压实质量评价方法