支持向量機在廣義預測控制中的應用與實測分析.pdf

1、本文主要根據廣義預測控制基于預測模型的特點，將基于支持向量機系統(tǒng)辨識的方法應用于廣義預測控制，針對支持向量機在廣義預測控制中的若干應用進行研究，并在此基礎上將改進的廣義預測控制算法進行實測分析。支持向量機作為統(tǒng)計學習理論的核心內容，其基本思想是通過非線性內積核函數將線性不可分的低維空間數據映射到線性可分的高維特征空間，在高維空間中進行線性分類或回歸擬合。支持向量機因其良好的泛化能力和非線性函數擬合能力，已經被廣泛應用于系統(tǒng)辨識等控制領域

2、。廣義預測控制作為現(xiàn)代控制理論的一個分支，因其良好的控制性能及抗干擾性和魯棒性而被廣泛應用于實際工業(yè)控制。本文的研究將支持向量機系統(tǒng)辨識的方法與廣義預測控制基本算法結合，以充分發(fā)揮兩者各自優(yōu)點。具體來講，主要研究內容如下： 1.構建基于Matlab7.0和組態(tài)王的先進過程控制算法實測平臺，以利用此實驗平臺對本文所研究的過程控制算法進行實測分析。 2.重點研究基于支持向量機的廣義預測控制算法。針對線性和弱非線性系統(tǒng)，本文采

3、用線性核函數的支持向量機進行系統(tǒng)建模，得出系統(tǒng)的CARIMA模型，并進行廣義預測控制；針對強非線性系統(tǒng)，采用多項式核函數的支持向量機進行系統(tǒng)建模，并在當前時刻線性化SVM模型，使非線性系統(tǒng)轉變?yōu)榫哂蠧ARIMA結構的時變線性模型，進而采用基于線性CARIMA模型的廣義預測算法進行控制。同時，為克服非線性系統(tǒng)在當前時刻線性化時出現(xiàn)模型失配而引起系統(tǒng)的不穩(wěn)定，本文引入β增量型廣義預測控制算法，以犧牲控制器的最優(yōu)性為代價，提高了閉環(huán)系統(tǒng)的穩(wěn)定