计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2013年
12期
385-389,394
,共6页
逆控制%非线性系统%最小二乘支持向量机%学习算法%稀疏性
逆控製%非線性繫統%最小二乘支持嚮量機%學習算法%稀疏性
역공제%비선성계통%최소이승지지향량궤%학습산법%희소성
Inverse control%Nonlinear systems%Least square support vector machine (LSSVM)%Learning algorithms%Sparsity
研究被控对象逆模型控制问题,自适应直接逆控制(ADIC)的关键是即时逆模型的准确性和模型在线辨识算法的快速性.针对逆模型辨识问题,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ADIC算法.在每个控制周期,进行递推学习新样本,并删除与新样本最相似的样本,然后被共享为控制器并用作计算控制量.仿真表明,SONB-LSSVM能及时学习过程逆动态特性,有较强的泛化能力.表明ADIC具有良好的自适应能力和较高的控制精度.
研究被控對象逆模型控製問題,自適應直接逆控製(ADIC)的關鍵是即時逆模型的準確性和模型在線辨識算法的快速性.針對逆模型辨識問題,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ADIC算法.在每箇控製週期,進行遞推學習新樣本,併刪除與新樣本最相似的樣本,然後被共享為控製器併用作計算控製量.倣真錶明,SONB-LSSVM能及時學習過程逆動態特性,有較彊的汎化能力.錶明ADIC具有良好的自適應能力和較高的控製精度.
연구피공대상역모형공제문제,자괄응직접역공제(ADIC)적관건시즉시역모형적준학성화모형재선변식산법적쾌속성.침대역모형변식문제,설계료희소재선무편치최소이승지지향량궤(SONB-LSSVM),병제출료기우SONB-LSSVM적ADIC산법.재매개공제주기,진행체추학습신양본,병산제여신양본최상사적양본,연후피공향위공제기병용작계산공제량.방진표명,SONB-LSSVM능급시학습과정역동태특성,유교강적범화능력.표명ADIC구유량호적자괄응능력화교고적공제정도.
