基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识，研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程，提出了一种基于社会蜘蛛粒子群优化算法（SSI-PSO）的碰撞试验多变量时序数据特征选择与分类方法；利用汽车碰撞试验采集的假人曲线数据，测试和验证了该方法。结果表明：本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构；该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而，实现了对碰撞试验假人响应曲线标注信息的有效分类。