本发明公开了一种装载机工况识别模型构建及识别方法，首先在装载机上布置相应的传感器用以采集扭矩、压力、档位、制动等多源信号，并对数据进行规范化，对零飘信号进行剥离，对缺失值予以插值补齐，对采集到的信号进行降噪滤波处理；其次，利用主成分分析法从装载机的多属性数据中选择出贡献度较高的特征属性，并利用统计分析法对主成分的特征进行提取；然后，建立装载机工况样本，采用有监督学习的数据挖掘算法建立负载信号与预分类工况模式之间的关联映射，通过大量数据样本训练形成工况识别模型；将主成分分析的特征提取方法与KNN算法进行结合，对KNN算法中的距离公式进行了改进，使之更符合工况识别，提高了工况识别算法的正确率以及效率。

张泽宇 惠记庄 武琳琳 雷景媛 谷立臣

长安大学

710064 陕西省西安市雁塔区二环南路中段126号

本发明公开了一种装载机工况识别模型构建及识别方法，首先在装载机上布置相应的传感器用以采集扭矩、压力、档位、制动等多源信号，并对数据进行规范化，对零飘信号进行剥离，对缺失值予以插值补齐，对采集到的信号进行降噪滤波处理；其次，利用主成分分析法从装载机的多属性数据中选择出贡献度较高的特征属性，并利用统计分析法对主成分的特征进行提取；然后，建立装载机工况样本，采用有监督学习的数据挖掘算法建立负载信号与预分类工况模式之间的关联映射，通过大量数据样本训练形成工况识别模型；将主成分分析的特征提取方法与KNN算法进行结合，对KNN算法中的距离公式进行了改进，使之更符合工况识别，提高了工况识别算法的正确率以及效率。