慢时变对象的支持向量机建模与在线校正方法研究
【摘要】:时变现象广泛存在于过程控制、航空航天、故障诊断等领域,由于时变系统的广泛性以及复杂性,时变系统的建模与在线校正问题已经成为研究的热点问题之一。目前普遍采用的建模算法在实际应用中存在一定的局限性,因为传统的定常建模方法建立在时不变或平稳过程的假设基础上,而现实中存在的系统总是呈现出各种各样的非平稳性和时变性,其中尤以参数慢时变系统为典型代表。因此本文在参阅大量相关文献的基础上,对参数慢时变系统建模方法进行了深入的研究。
首先,介绍了时变系统的基本特性及其传统建模算法。在学习基本的建模方法的基础上,针对其的不足,将智能算法支持向量机引入其中。对基于统计学理论的支持向量机理论进行了系统的学习,并对支持向量机的去噪能力进行了探讨;然后,介绍了两种支持向量机的增量算法,即ZD-SVM和AO-SVM,并通过对上述两种方法的研究,分析了ZD-SVM和AO-SVM各自的优缺点,针对AO-SVM支持向量集为空、先进先出删除样本点策略以及算法的不稳定等问题,将AO-SVM和ZD-SVM相结合提出了利用矩阵运算将空集转变为非空集,有选择的先进先出删除样本点策略以及错点剔除重新运算等改进方法;然后,针对支持向量机增量算法不断在线学习建模策略所存在的浪费资源、误学习等问题,应用主元分析(PCA)监测理论对过程特性进行监测,再利用增量支持向量机进行在线学习从而实现了在线校正方法解决上述问题。最后,应用小波去噪解决了由于大噪声样本建模而导致的PCA监测能力丢失问题,并最终提出对于存在噪声的慢时变系统在线校正PCA-SVM方法。通过仿真,验证了本文提出的PCA-SVM建模与在线校正算法的有效性。
|
|
|
|
1 |
张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期 |
2 |
阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期 |
3 |
朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期 |
4 |
侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期 |
5 |
马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期 |
6 |
吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期 |
7 |
孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期 |
8 |
朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期 |
9 |
朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期 |
10 |
饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期 |
11 |
周志明,陈敏;支持向量机的人脸识别方法[J];咸宁学院学报;2003年03期 |
12 |
赵洪波;赵丽红;;支持向量机学习算法—序列最小优化(SMO)[J];绍兴文理学院学报(自然科学版);2003年04期 |
13 |
吴成东,杜崇峰,杨丽英;基于误差修正码的支持向量机大类别分类方法[J];沈阳建筑工程学院学报(自然科学版);2004年01期 |
14 |
张健,李艳,朱学峰,黄道平,史步海;基于支持向量机的蒸煮过程卡伯值软测量[J];计算机测量与控制;2004年02期 |
15 |
张辉,张浩,陆剑峰;SVM在数据挖掘中的应用[J];计算机工程;2004年06期 |
16 |
樊可清,倪一清,高赞明;基于频域系统辨识和支持向量机的桥梁状态监测方法[J];工程力学;2004年05期 |
17 |
吴静,周建国,晏蒲柳;支持向量机在网络故障诊断中的应用研究[J];计算机工程;2004年22期 |
18 |
李忠伟,张健沛,杨静,张福顺;基于支持向量机的虚拟企业伙伴选择方法研究[J];计算机应用研究;2004年12期 |
19 |
李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期 |
20 |
唐发明,王仲东,陈绵云;一种新的二叉树多类支持向量机算法[J];计算机工程与应用;2005年07期 |
|