收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机在先进控制中的应用研究

钟伟民  
【摘要】:本文主要研究支持向量机(Support Vector Machine,简称SVM)在先进控制中的若干应用。SVM是由Vapnik等人于上世纪末提出的一种全新的学习机器,它是统计学习理论(Statistical Learning Theory,简称SLT)的核心部分,建立在结构风险最小化原则基础上。SVM的基本思想就是通过非线性内积核函数将线性不可分的低维空间数据映射到一个线性可分的高维特征空间,在这个特征空间中进行分类或回归拟合。SVM最终归结为一个凸优化问题,它的解是在其对偶空间求取的,是全局最优的。SVM在解决小样本、非线性系统辨识与控制中表现出了许多特有的优势。本文对SVM进行了基本的概述,研究了其在先进控制领域中的若干应用。 本文的主要贡献如下: 1.介绍了统计学习理论研究的基本问题,回顾了SVM的基本概念和数学表达。主要从SVM的算法,SVM在系统辨识与控制中的应用方面对国内外研究现状进行了分析和阐述: 2.针对传统的基于脉冲响应和阶跃响应实验的非参数模型辨识问题,提出了基于线性核函数SVM的非参数模型辨识方法。这种方法不需要专门的脉冲或阶跃测试,只需根据生产数据或随机的测试数据就可以高精度地黑箱辨识得到系统的脉冲响应系数和阶跃响应系数。在此基础上提出了基于线性核函数SVM的模型算法控制(SVM MAC)和动态矩阵控制(SVM DMC)技术,通过预测控制的机理,最小化滚动时域下的二次型目标函数,得到控制律的解析表达式; 3.针对输入输出型弱非线性系统,提出了基于线性核函数SVM的单步和多步模型预测控制的结构和算法。在利用线性核函数SVM进行系统辨识的基础上建


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李超峰;卢建刚;孙优贤;;基于SVM逆系统的非线性系统广义预测控制[J];计算机工程与应用;2011年02期
2 苑敏;杨奎河;;基于支持向量机理论的多类分类算法[J];福建电脑;2007年02期
3 张汝雷;王保民;苏欣平;傅钰;;支持向量机(SVM)在机械故障诊断中的应用研究[J];军事交通学院学报;2009年03期
4 姚程宽;;SVM在不平衡样本集中的应用研究[J];计算机与数字工程;2007年10期
5 范秋凤;陈彦涛;;支持向量机及其应用研究[J];科技信息;2009年29期
6 谢长菊;;支持向量机新模型及其参数特性研究[J];计算机仿真;2010年04期
7 张国宣,孔锐,施泽生,郭立;一种新的基于聚类的SVM迭代算法[J];仪器仪表学报;2004年S1期
8 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
9 李毅;徐守时;;基于支持向量机的遥感图像舰船目标识别方法[J];计算机仿真;2006年06期
10 胡国胜;支持向量机算法及应用[J];现代电子技术;2005年03期
11 徐余法;徐余法;俞金寿;;基于神经网络的非线性预测控制[J];电气自动化;2005年05期
12 邓蕊;马永军;刘尧猛;;基于改进交叉验证算法的支持向量机多类识别[J];天津科技大学学报;2007年02期
13 王书舟;伞冶;;支持向量机的训练算法综述[J];智能系统学报;2008年06期
14 姬水旺,姬旺田;支持向量机训练算法综述[J];微机发展;2004年01期
15 王远景;萧蕴诗;;应用于火电厂主蒸汽温度预测控制的PSVM算法研究[J];计算技术与自动化;2006年04期
16 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
17 范燕,吴小俊,惠长坤,刘同明;人脸图象特征抽取和识别的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2003年02期
18 孔波;郑喜英;;支持向量机多类分类方法研究[J];河南教育学院学报(自然科学版);2010年02期
19 陈增强,袁著祉,车海平,贺江峰;基于神经元网络的非线性系统间接自校正预测控制器[J];南开大学学报(自然科学版);1999年03期
20 李辉,管晓宏,昝鑫,韩崇昭;基于支持向量机的网络入侵检测[J];计算机研究与发展;2003年06期
中国重要会议论文全文数据库 前10条
1 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
2 郭永丽;温步瀛;黄志华;;基于SVM的风力发电系统的辨识和仿真[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
3 郭丹;李俊芳;;基于神经网络的非线性系统多步预测控制[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
4 李少远;王群仙;曹保定;孟昭忠;;基于神经网络的预测控制模型研究[A];1995中国控制与决策学术年会论文集[C];1995年
5 沈清波;;基于BP神经网络的新型广义预测非线性控制仿真[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 耿晓军;;约束滚动时域控制的次优性分析[A];1998年中国控制会议论文集[C];1998年
7 邹志云;于德弘;胡真;;非线性HAMMERSTEIN系统的预测控制及其pH过程应用[A];第十届全国信息技术化工应用年会论文集[C];2005年
8 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
9 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
10 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
中国博士学位论文全文数据库 前10条
1 钟伟民;支持向量机在先进控制中的应用研究[D];浙江大学;2006年
2 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
3 罗秋滨;一类非线性系统预测控制中的建模问题[D];哈尔滨工业大学;2008年
4 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
5 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
6 赵峻;基于学习方法的非线性系统主动容错控制研究[D];中国矿业大学;2010年
7 张济民;基于神经网络的预测控制在摆式客车倾摆系统的应用研究[D];西南交通大学;2004年
8 汪辉;增量型支持向量机回归训练算法及在控制中的应用[D];浙江大学;2006年
9 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
10 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
中国硕士学位论文全文数据库 前10条
1 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004年
2 姬忠良;基于支持向量机的VCM生产过程控制方法研究[D];大连理工大学;2006年
3 何丹玉;支持向量机逆系统控制方法的研究与应用[D];中国科学技术大学;2010年
4 张金栋;非线性预测控制的鲁棒性研究[D];兰州理工大学;2003年
5 刘胜利;基于SVM的网络入侵检测研究[D];大连海事大学;2004年
6 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
7 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
8 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
9 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
10 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
中国重要报纸全文数据库 前10条
1 俞杰吴胜 董斌;莫要泛化“非线性”[N];中国国防报;2007年
2 孟庆刚 王连心;中医药研究别忘了非线性[N];中国中医药报;2006年
3 黄尊文;军事思维模式的线性与非线性[N];解放军报;2006年
4 本报记者 何晓曦;中国能源战略寻求突破[N];国际商报;2004年
5 记者 杨晓 实习生 王荍;创建量子力学新论[N];四川日报;2005年
6 徐继鸿;“混沌”的魅力[N];新疆日报(汉);2000年
7 记者 芦伟/北京;非线性制播系统之解决方案[N];电子资讯时报;2003年
8 杨保国 本报记者 吴长锋;“能得人和事不难”[N];科技日报;2010年
9 本版编辑 覃光华 方华 本刊记者 庞亚斌;面向对象技术:让洪水预报更及时[N];中国水利报;2006年
10 张晔 王燕宁;陶醉于非线性之美[N];科技日报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978