论文题目: 基于支持向量机的船舶发电机建模的研究
论文类型: 硕士论文
论文专业: 控制理论与控制工程
作者: 戴燚
导师: 王锡淮
关键词: 统计学习理论,支持向量机,建模,同步发电机
文献来源: 上海海事大学
发表年度: 2005
论文摘要: 同步发电机建模是研究发电机特性的重要方法，也是进行仿真、优化以及控制的基础。通常，采用一定的假设和简化，得出一系列数学微分方程来描述，也就是采用机理建模。但当影响因素繁多，且呈现高度非线性，机理模型复杂时，这时也采用经验建模方法。人工神经网络是一种处理非线性问题的良好经验建模方法，已被应用在不少问题中，但是由于其理论基于经验风险最小化原则，难免会出现过拟合及局部最小等问题。基于统计学习理论的支持向量机遵循结构风险最小化原则，克服了神经网络等方法的固有不足，大大提高了模型的泛化能力。 支持向量机回归是统计学习理论的重要内容，支持向量机回归具有很好的时间序列建模特性，采用支持向量机回归进行非线性系统建模的研究是最近几年以来产生的一个研究热点。这种建模方法不仅模型简单，有完备的理论支持，更重要的是提供了一种实现复杂的非线性系统的建模的新方法，拓宽了系统建模的研究领域。 本文首先系统的研究了统计学习理论和支持向量机的理论基础和常用的算法。然后在此基础上研究了支持向量机建模的方法，对这些建模原理与方法进行了深入细致地分析。通过函数逼近和系统建模等对支持向量机的性能进行了仿真研究。其理论结果被应用在船舶发电机的建模上。建立了基于支持向量机的船舶发电机模型，并与传统的人工神经网络方法做了比较，实验结果表明，支持向量机方法是一种可行的建模方法。 鉴于支持向量机的优良特性，在上海市教委科研重点项目(04IK02)“船舶电力系统建模、控制与仿真研究”的支持下，本文对基于支持向量机的船舶同步发电机建模进行了探索性的研究。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 统计学习理论的发展
1.2 支持向量机的发展
1.3 我国的统计学习理论与支持向量机的研究概况
1.4 支持向量机回归建模及其研究现状与存在的问题
1.5 存在的问题
1.6 本文研究的动机
1.7 本文的研究内容
第二章 统计学习理论与支持向量机原理
2.1 前言
2.2 机器学习的基本问题
2.2.1 问题的表示
2.2.2 经验风险最小化
2.2.3 复杂性和推广性
2.3 统计学习理论
2.3.1 VC维
2.3.2 推广性的界
2.3.3 结构化风险最小化原理
2.4 支持向量机
2.4.1 最优分类超平面
2.4.2 最优分类超平面的推广
2.4.3 支持向量机
2.4.4 核函数
2.5 支持向量机回归原理
2.6 支持向量机回归学习算法的研究
2.7 支持向量机模型的选择
2.7.1 核和容量C的选择
2.7.2 损失函数的选择
2.8 本章小结
第三章 支持向量机回归建模
3.1 非线性建模理论研究现状与意义
3.2 系统过程建模的一般原理
3.2.1 系统建模的一些基本概念
3.2.2 系统建模的原理
3.3 支持向量机回归在线建模
3.3.1 支持向量机回归建模
3.3.2 支持向量机回归在线建模算法的提出
3.3.3 与支持向量机其他训练算法的比较
3.4 应用算例
3.4.1 支持向量机回归建模
3.4.2 无噪音下的回归建模
3.4.3 有噪音情况下的支持向量机建模
3.4.4 未知非线性动态系统建模
3.5 本章小结
第四章 船舶同步发电机的数学模型
4.1 前言
4.2 同步发电机数学方程
4.2.1 abc坐标下的有名值方程
4.2.2 派克变换
4.2.3 dq0坐标下的有名值方程
4.2.4 同步电机标么制
4.2.5 dq0坐标下的标么值方程
4.2.6 同步发电机数学模型的简化
4.3 MATLAB语言及Simulink简介
4.4 船舶电力系统
4.4.1 船舶电力系统的特点
4.4.2 船舶电站仿真系统框图
4.5 船舶同步发电机系统仿真
4.6 本章小结
第五章 支持向量机理论在船舶同步发电机建模中的应用
5.1 前言
5.2 训练及验证所需数据来源
5.2.1 样本数据的采集
5.2.2 数据的预处理
5.3 船舶同步发电机的支持向量机模型的建立
5.4 基于支持向量机的船舶同步发电机模型
5.4.1 训练支持向量机模型
5.4.2 SVMR参数的分析
5.4.3 对支持向量机发电机模型的测试
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
致谢
攻读硕士学位期间发表的论文
参考文献
发布时间: 2007-01-16
参考文献
- [1].基于支持向量机的水下潜器操纵运动建模[D]. 曹东东.哈尔滨工程大学2017
- [2].支持向量机在船舶航向控制中的应用研究[D]. 张资林.吉林大学2016
- [3].基于支持向量机的船舶电力负荷短期预测[D]. 朱思锋.上海海事大学2004
- [4].基于支持向量机的船用柴油机故障诊断研究[D]. 邹义.上海海事大学2006
- [5].基于数据挖掘的水面无人艇建模及航向控制研究[D]. 邓强.大连海事大学2014
- [6].船用锅炉培训系统设计与建模仿真[D]. 乔健.华中科技大学2005
- [7].舰船远场水下爆炸冲击环境的建模方法[D]. 白兆宏.哈尔滨工程大学2012
- [8].舰船RMS建模仿真与综合评价技术研究[D]. 许双伟.国防科学技术大学2007
- [9].基于支持向量机的船舶主机缸盖故障诊断的研究[D]. 雷瑾（Theingi Shwe）.上海海事大学2007
相关论文
- [1].基于最小二乘支持向量机的数控机床热误差建模的研究[D]. 许亚洲.浙江大学2006
- [2].最小二乘支持向量机短期负荷预测研究[D]. 杨毅强.四川大学2006
- [3].支持向量回归机研究及其应用[D]. 梁伟锋.浙江师范大学2006
- [4].基于支持向量机的非线性系统建模与控制[D]. 高异.西安理工大学2006
- [5].基于支持向量机的系统建模方法研究[D]. 王国鹏.华北电力大学（河北）2005
- [6].基于支持向量机的建模与预测控制技术研究及应用[D]. 张艳辉.浙江大学2006
- [7].船舶电力推进建模及仿真研究[D]. 吴明.武汉理工大学2006
- [8].基于支持向量机的迟滞系统建模和控制[D]. 王博.浙江大学2006
- [9].基于混沌优化与支持向量机的建模与控制研究[D]. 袁小芳.湖南大学2006
- [10].基于支持向量机的建模预测研究[D]. 李新军.天津大学2004