电子测量与仪器学报
電子測量與儀器學報
전자측량여의기학보
JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT
2011年
4期
331-337
,共7页
预测控制%非线性系统%最小二乘支持向量机%学习算法%稀疏性
預測控製%非線性繫統%最小二乘支持嚮量機%學習算法%稀疏性
예측공제%비선성계통%최소이승지지향량궤%학습산법%희소성
针对非线性预测控制中的预测模型,设计了稀疏在线无偏置最小二乘支持向量机(SONB-LSSVM),并提出了基于SONB-LSSVM的有约束单步预测控制算法.在每个控制周期,该SONB-LSSVM递推地学习新样本,并删除贡献最小样本.该样本删除技巧能提高学习样本集的多样性和代表性;与ONB-LSSVM相比,SONB-LSSVM的泛化性能受输入信号频率影响较小.控制量由Brent优化方法计算.由于SONB-LSSVM能及时学习过程动态新特性,该预测控制方法具有良好的自适应能力.液位控制仿真表明,在多种波形的期望输出并有扰动情况下该预测控制方法都是有效的.
針對非線性預測控製中的預測模型,設計瞭稀疏在線無偏置最小二乘支持嚮量機(SONB-LSSVM),併提齣瞭基于SONB-LSSVM的有約束單步預測控製算法.在每箇控製週期,該SONB-LSSVM遞推地學習新樣本,併刪除貢獻最小樣本.該樣本刪除技巧能提高學習樣本集的多樣性和代錶性;與ONB-LSSVM相比,SONB-LSSVM的汎化性能受輸入信號頻率影響較小.控製量由Brent優化方法計算.由于SONB-LSSVM能及時學習過程動態新特性,該預測控製方法具有良好的自適應能力.液位控製倣真錶明,在多種波形的期望輸齣併有擾動情況下該預測控製方法都是有效的.
침대비선성예측공제중적예측모형,설계료희소재선무편치최소이승지지향량궤(SONB-LSSVM),병제출료기우SONB-LSSVM적유약속단보예측공제산법.재매개공제주기,해SONB-LSSVM체추지학습신양본,병산제공헌최소양본.해양본산제기교능제고학습양본집적다양성화대표성;여ONB-LSSVM상비,SONB-LSSVM적범화성능수수입신호빈솔영향교소.공제량유Brent우화방법계산.유우SONB-LSSVM능급시학습과정동태신특성,해예측공제방법구유량호적자괄응능력.액위공제방진표명,재다충파형적기망수출병유우동정황하해예측공제방법도시유효적.
