支持向量机逆系统方法及其应用研究

论文摘要

近年来逆系统方法已在一般形式的非线性系统上建立起比较完整的设计理论,然而该方法要求被控非线性系统的数学模型精确已知,而工程实际中的非线性特性常常难以确切描述,即使建立起非线性系统的数学模型,利用这些复杂的模型又极难求出逆模型的解析解。针对逆系统的这两个“瓶颈”问题,本文首先将支持向量机与传统的逆系统方法相结合,介绍了SISO离散非线性系统基于支持向量机的α阶逆系统方法,从理论上给出并证明了SISO离散非线性系统支持向量机α阶逆系统存在的条件,并将该方法从离散系统推广到连续系统,从SISO系统推广到MIMO系统,为该方法深入研究及推广应用奠定了基础。其次,为了克服SVM运算速度慢的问题,提出了非线性系统最小二乘支持向量机α阶逆系统方法,并在此基础上提出了基于最小二乘支持向量机α阶逆系统的预测控制方法。为了提高传统逆系统方法的鲁棒性和抗干扰能力,将逆系统方法与内模控制相结合,提出了基于最小二乘支持向量机α阶逆系统方法的非线性内模控制新方法。进而将理论结果应用于空气重介流化床的控制中,取得了良好的仿真效果。本文的具体内容如下: 一、非线性系统支持向量机α阶逆系统方法 为了克服逆系统方法的两个“瓶颈”问题,结合支持向量机在小样本情况下具有很好的非线性建模的特点,对SISO离散非线性系统的SVM逆系统方法进行了理论研究,给出并证明了SISO离散非线性系统SVMα阶逆系统的存在条件;并将该方法从离散系统推广到连续系统,从SISO系统推广到MIMO系统。理论分析和仿真研究表明该方法控制效果好,不需要系统的精确模型,为逆系统方法在工程中的应用提供了一条新的途径。 二、提出了非线性系统最小二乘支持向量机α阶逆系统方法 为了克服SVM收敛速度慢给基于SVM的α阶逆系统方法带来的缺陷,提出了非线性系统基于LS-SVM的α阶逆系统方法,分别就SISO和MIMO系统给出了相应的非线性系统支持向量机α阶逆系统存在的条件。通过多个仿真实例的研究,验证了该方法比SVMα阶逆系统方法好,更加适合实际系统的控制,因而更具有理论研究及工程应用价值。 三、提出了基于最小二乘支持向量机α阶逆系统的预测控制方法 将最小二乘支持向量机α阶逆系统与原非线性系统组成的伪线性系统作为被控对象,引入预测控制方法对其进行控制。该方法亦无须知晓被控非线性系统

论文目录

• 第一章 绪论
• 1.1 控制理论发展概述
• 1.2 智能控制发展概述
• 1.3 逆系统方法
• 1.3.1 逆系统和伪线性系统
• 1.3.2 逆系统方法原理
• 1.3.3 逆系统方法的研究现状
• 1.4 非线性内模控制
• 1.5 统计学习理论及支持向量机
• 1.5.1 统计学习理论发展概述
• 1.5.2 统计学习理论的基本内容
• 1.5.3 支持向量机概述
• 1.5.4 支持向量机回归原理
• 1.5.5 最小二乘支持向量机回归原理
• 1.6 支持向量机的研究现状及在控制中的应用
• 1.6.1 支持向量机算法的改进
• 1.6.2 支持向量机的应用
• 1.7 研究目的和意义
• 1.8 研究的内容与创新点
• 1.8.1 研究的主要内容
• 1.8.2 主要创新点
• 第二章 非线性系统支持向量机α阶逆系统方法
• 2.1 引言
• 2.2 SISO离散非线性系统的支持向量机α阶逆系统方法
• 2.2.1 支持向量机α阶时延逆系统
• 2.2.2 SISO离散系统基于支持向量机的α阶逆系统方法
• 2.2.3 仿真研究
• 2.3 连续非线性系统的支持向量机α阶逆系统方法
• 2.3.1 连续非线性系统逆系统方法
• 2.3.2 连续系统基于支持向量机的逆系统方法
• 2.3.3 仿真研究
• 2.4 MIMO离散系统的SVMα阶逆系统解耦控制方法
• 2.4.1 非线性多变量离散系统逆系统方法
• 2.4.2 MIMO离散非线性系统基于SVM的逆系统方法
• 2.4.3 仿真研究
• 2.5 小结
• 第三章 非线性系统LS-SVMα阶逆系统方法
• 3.1 引言
• 3.2 非线性系统基于LS-SVM的α阶逆系统方法
• 3.2.1 基于LS-SVM的α阶逆系统方法
• 3.2.2 仿真研究
• 3.3 基于LS-SVMα阶逆系统的预测控制
• 3.3.1 基于LS-SVMα阶逆系统的预测控制
• 3.3.2 预测控制系统设计与仿真
• 3.4 LS-SVMα阶逆系统内模控制方法
• 3.4.1 基于LS-SVMα阶逆系统的内模控制
• 3.4.2 SISO离散系统LS-SVM内模控制
• 3.4.3 MIMO离散系统LS-SVM内模解耦控制
• 3.5 小结
• 第四章 LS-SVMα阶逆系统方法在空气重介流化床中的应用
• 4.1 引言
• 4.2 流化床干法选煤的工艺过程和机理模型
• 4.2.1 空气重介流化床干法选煤工艺流程
• 4.2.2 空气重介流化床干法选煤的机理建模
• 4.3 流化床系统的可逆性分析
• 4.4 分选过程数学模型的离散化
• 4.5 空气重介流化床的LS-SVM内模解耦控制
• 4.6 小结
• 第五章 总结与展望
• 参考文献
• 作者攻博期间完成的论文