文章编号：1002-2082(2023)01-0145-08PSO-ASVR在三波长路面状态传感器定量标定中的应用杨森，田雨卉，张厚庆（东北林业大学机电工程学院，黑龙江哈尔滨150040）摘要：路面状态传感器是路面状态定性识别和定量测量的重要工具，其定量测量性能依赖于定量标定模型的准确性。为了解决路面状态传感器定量标定数据非线性和非均匀分布问题对定量测量的不利影响，提出基于PSO-ASVR(particleswarmoptimization-adaptivesupportvectorregression)的路面状态传感器定量标定模型。构建AP(adaptivepreprocessing)流程进行标定数据最优化预处理,降低路面状态传感器非均匀分布问题影响下的标定数据处理误差。采用基于结构风险最小化的SVR(supportvectorregression)算法进行标定数据拟合，并利用PSO(particleswarmoptimization)算法实现SVR中参数最优化，降低路面状态传感器标定数据非线性引入的数据拟合误差。不同路面状态条件下标定数据处理实验表明：新方法相比于传统方法在均方根误差RMSE上至少可减小63%，验证了其在提高定量标定模型精度上的有效性，实现了路面状态传感器定量标定误差的降低。关键词：路面状态传感器；标定模型；数据拟合；误差分析中图分类号：TN206文献标志码：ADOI：10.5768/JAO202344.0103005ApplicationofPSO-ASVRinquantitativecalibrationofthree-wavelengthpavementstatesensorYANGSen，TIANYuhui，ZHANGHouqing（SchoolofMechanicalandElectricalEngineering,NortheastForestryUniversity,Harbin150040,China）Abstract：Pavementstatesensorisanimportanttoolforqualitativeidentificationandquantitativemeasurementofpavementstate,anditsquantitativemeasurementperformancedependsontheaccuracyofquantitativecalibrationmodel.Inordertosolvetheproblemofnonlinearityandnonuniformdistributionofquantitativecalibrationdataofpavementstatesensor,aquantitativecalibrationmodelofpavementstatesensorbasedonparticleswarmoptimization-adaptivesupportvectorregression(PSO-ASVR)wasproposed.Firstly,theadaptivepreprocessing(AP)processwasconstructedtooptimizethepre-processingofthecalibrationdatatoreducethecalibrationdataprocessingerrorundertheinfluenceofthenonuniformdistributionofthepavementstatesensor.Then,thesupportvectorregression(SVR)algorithmbasedonstructuralriskminimizationwasusedtofitthec...
