基于支持向量机的变结构控制方法研究

论文摘要

基于统计学习理论的支持向量机因为具有其它学习机器所没有的优点而得到了广泛的关注，目前已经有利用支持向量机进行黑箱或灰箱系统辨识与控制的相关研究。变结构控制系统自上世纪五十年代以来已经得到了深入的研究，但目前仍然没有出现支持向量机与变结构控制方法相结合的文献。为了发挥支持向量机与变结构控制各自的优点，本文主要研究基于支持向量机的各类变结构控制算法的设计。本文主要贡献有：一、提出了单输入单输出系统基于支持向量机的变结构基本控制方法；在此基础上，通过利用变结构控制的降维特性，提出了单输入多输出系统和多输入多输出系统基于支持向量机的变结构基本控制方法。二、在基于支持向量机的变结构基本控制方法的基础上，引入支持向量机实现了前馈以及变结构反馈控制，以抑制进入系统的的可测量扰动，提高了变结构控制系统的鲁棒性。三、在介绍了移动滑平面的特点后，提出了基于支持向量机与移动滑平面的变结构控制方法；在此基础上，为了克服移动滑平面的缺陷，文中提出了基于支持向量机与组合滑平面的变结构控制方法，较好地解决了移动滑平面趋近速度与鲁棒性之间的矛盾。四、研究了与变结构控制系统相关的一些问题。首先讨论了线性离散时间系统能够跟踪轨迹的条件，其次研究了变结构控制系统逆模型存在条件，最后分析了变结构滑平面参数选择对系统性能的影响。最后对全文进行了概括性总结，并指出了基于支持向量机的变结构控制方法在理论和应用上有待进一步研究的问题。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 目录
• 第一章 绪论
• 1.1 统计学习理论与支持向量机概述
• 1.1.1 机器学习理论
• 1.1.2 统计学习理论的概念
• 1.1.3 支持向量机
• 1.1.4 回归型支持向量机
• 1.1.5 支持向量机在控制系统中的应用研究现状
• 1.2 变结构控制研究概论
• 1.2.1 变结构控制系统的概念
• 1.2.2 离散时间系统变结构控制方法的研究现状
• 1.3 论文的主要内容
• 第二章 基于支持向量机的变结构控制基本算法
• 2.1 引言
• 2.2 基于支持向量机的变结构控制基本算法
• 2.2.1 SISO系统基于SVM的控制算法
• 2.2.2 SIMO系统基于SVM的VSC基本控制算法
• 2.2.3 MIMO系统基于SVM的VSC基本控制算法
• 2.3 仿真实验
• 2.4 结论
• 第三章 基于支持向量机与前馈—反馈技术的变结构控制算法
• 3.1 引言
• 3.2 控制系统基于SVM与前馈—反馈技术的VSC控制算法
• 3.2.1 SISO系统基于SVM与前馈—反馈技术的控制算法
• 3.2.2 SIMO系统基于SVM与前馈—反馈技术的控制算法
• 3.3 仿真实验
• 3.4 结论
• 第四章 基于支持向量机与移动滑平面的变结构控制方法
• 4.1 引言
• 4.2 基于平移滑平面的变结构控制方法
• 4.3 基于旋转滑平面的变结构控制方法
• 4.4 仿真研究
• 4.5 结论
• 第五章 基于支持向量机和组合滑平面的变结构控制方法
• 5.1 前言
• 5.2 基于趋近律的变结构控制方法
• 5.3 基于组合滑平面的变结构控制方法
• 5.4 基于支持向量机与组合滑平面的变结构控制方法
• 5.5 仿真实验
• 5.6 结论
• 第六章 总结与展望
• 参考文献
• 附录A
• A.1 控制系统能够跟踪轨迹的条件
• A.2 变结构控制系统逆模型存在的条件
• A.2.1 SIMO变结构控制系统逆模型存在的条件
• A.2.2 MIMO变结构控制系统逆模型存在的条件
• A.2.3 基于SVM与前馈—反馈的变结构控制系统逆模型存在的条件
• A.3 线性离散变结构控制系统稳定条件
• A.3.1 常规滑平面与旋转滑平面参数选择对控制系统稳定性的影响
• A.3.2 平移滑平面参数选择对变结构控制系统稳定性的影响
• 附录B