基于最小二乘支持向量机的非线性系统自适应控制方法的研究

【摘要】：非线性不确定系统的自适应控制一直是控制界富有挑战性的难题。基于统计学习理论的最小二乘支持向量机·(LS-SVM)回归方法,是一种新的非线性系统建模和控制的有力工具。它克服了神经网络的固有缺点,能够任意逼近复杂非线性函数,且具有良好的泛化性能。目前,基于LS-SVM的系统建模和控制取得了广泛的应用,但是在实际应用中仍然存在许多问题需要解决。因此,本文对LS-SVM及其应用进了基本的概述,研究了其在非线性系统建模和自适应控制领域中的若干应用。 本文的主要研究工作归纳如下： 1.针对LS-SVM进行非线性建模时存在的超参数选取困难问题,提出一种基于混沌蚁群(CAS)算法优化的LS-SVM建模方法。将CAS引入到LS-SVM的参数优化中,把LS-SVM的超参数选取问题看作组合优化的目标函数,凭借CAS强大的全局搜索能力,搜索LS-SVM的最优参数。此结果也应用于后面的非线性系统建模。 2.针对一类单输入单输出非线性不确定系统,提出了一种基于LS-SVM的直接自适应控制方法。该方法首先应用非线性系统的反馈控制理论设计控制器,然后采用LS-SVM逼近其中的非线性动态特性,控制器参数的自适应律由Lyapunov稳定性理论导出,进而保证了整个闭环系统的稳定性。提出了相应的间接自适应控制方法,建立了闭环系统的稳定性分析。 3.针对一类包含外部干扰的非线性连续系统,提出一种基于LS-SVM的直接自适应H∞控制方法。该方法采用LS-SVM逼近对象的未知非线性特性,构建自适应控制器,引入H∞控制器用于补偿LS-SVM近似误差及外部干扰对系统跟踪误差的影响。基于Lyapunov稳定性理论,所提出的控制方法能确保整个闭环系统的稳定性和良好的跟踪性能。提出了相应的间接自适应控制方法,建立了闭环系统的稳定性分析。 4.针对一类状态不可测且包含外部干扰的非线性不确定系统,提出一种基于LS-SVM的直接自适应输出反馈控制方法。该方法首先设计一个状态观测器,估计出系统的状态。然后基于估计的状态,应用LS-SVM构造自适应控制器。通过引入H∞控制器减弱外部干扰及近似误差对输出误差的影响。利用Lyapunov稳定性理论导出了控制器参数的自适应律,保证了闭环系统的稳定性。提出了相应的间接自适应控制方法,建。莎了闭环系统的稳定一阵分析。 5.针对-类具有参数不确定的非线性连续系统,提出基于LS-SVM动态逆的一种非线性系统鲁棒自适应跟踪控制方法。该方法采用LS-SVM辨识非线性系统的动态逆模型,并将其串联在原系统之前得到复合的伪线性系统。对于建模误差、不确定因素等引起的非线性系统逆误差,采用在线LS-SVM进行自适应补偿。LS-SVM参数的在线调整规律由Lyapunov稳定性理论导出，确保了闭环系统的稳定性。