融合支持向量机和特征降维方法的人-椅系统振动模型研究

摘要：

人-椅系统的振动传递特性受人体体征参数、座椅结构、乘坐环境等多种复杂因素影响.在人体振动实验研究的基础上,寻求构建一种基于支持向量机回归的座椅频响函数预测模型,分别采用递归特征消除法和主成分分析法对人体体征参数进行降维,并将低维特征输入预测模型,以实现对人-椅系统频响函数及其正交轴效应的预测.结果显示,相比传统支持向量机回归模型,应用主成分分析法降低体征参数关联,可以显著降低模型预测误差,预测值与实测值拟合度可达92％.通过递归特征消除法剔除次要体征参数,可进一步提升预测精度,预测值与实测值拟合度达94％.研究表明,基于特征降维优化的支持向量机回归预测模型能够有效筛选人体振动模型中输入参数的冗余信息,并提升座椅频响函数的计算效率和预测精度.

关键词：人-椅系统、支持向量回归、递归特征消除、主成分分析

所属期刊栏目：49

分类号：TP37;TN911-34;TP274.2

资助基金：国家自然科学基金51605010

在线出版日期：2024-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：217-225