基于支持向量機(jī)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)與控制.pdf

1、 支持向量機(jī)是一種普適的學(xué)習(xí)算法，已經(jīng)廣泛地用于模式識(shí)別、回歸估計(jì)、函數(shù)逼近、密度估計(jì)等方面。本文將支持向量機(jī)應(yīng)用到非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)與控制中。針對(duì)某些特殊的非線性動(dòng)態(tài)系統(tǒng)，改進(jìn)了支持向量機(jī)的輸出模型，得到更適合于該類(lèi)系統(tǒng)的支持向量機(jī)模型。對(duì)多分類(lèi)問(wèn)題，提出了類(lèi)似Byesian分類(lèi)器的算法。具體的工作如下： 一、本文首先采用標(biāo)準(zhǔn)支持向量機(jī)辨識(shí)非線性動(dòng)態(tài)系統(tǒng)的正向模型和逆模型，并基于估計(jì)的系統(tǒng)逆模型來(lái)實(shí)現(xiàn)對(duì)參考模型的跟蹤控

2、制。仿真實(shí)驗(yàn)驗(yàn)證了在噪聲干擾不太強(qiáng)的情況下，采用標(biāo)準(zhǔn)支持向量機(jī)辨識(shí)和控制非線性動(dòng)態(tài)系統(tǒng)是可行的，且具有較好的推廣能力和收斂性。 二、針對(duì)可分離的非線性動(dòng)態(tài)系統(tǒng)，本文通過(guò)修改標(biāo)準(zhǔn)支持向量機(jī)的輸出模型，提出了可分離支持向量機(jī)回歸估計(jì)方法，并將它用于可分離非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)和控制。由于在模型表示中引入了可分離的先驗(yàn)知識(shí)，避免了辨識(shí)過(guò)程中輸入變量和輸出反饋?zhàn)兞恐g的相互影響，從而獲得了更高的辨識(shí)精度。另外在可分離非線性動(dòng)態(tài)系統(tǒng)模型中，

3、控制律的求解與輸出反饋沒(méi)有關(guān)系也大大簡(jiǎn)化了控制律的求解。仿真實(shí)驗(yàn)表明，與標(biāo)準(zhǔn)支持向量機(jī)方法相比，由于采用可分離的先驗(yàn)知識(shí)，可分離支持向量機(jī)具有更好的辨識(shí)和控制精度；與同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)方法相比，可分離支持向量機(jī)方法具有更好的推廣能力和收斂特性。 三、針對(duì)已獲得廣泛研究的仿射非線性動(dòng)態(tài)系統(tǒng)，本文通過(guò)修改標(biāo)準(zhǔn)支持向量機(jī)的輸出模型，提出了兩種仿射支持向量機(jī)回歸估計(jì)方法，并將它用于仿射非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)和控制，以及一般非線性動(dòng)態(tài)系統(tǒng)的

4、近似辨識(shí)和控制。仿真實(shí)驗(yàn)表明采用仿射支持向量機(jī)回歸估計(jì)方法辨識(shí)和控制仿射非線性系統(tǒng)或者近似辨識(shí)和控制一般的非線性系統(tǒng)都是可行的。它與同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)方法相比，具有更好的推廣能力、收斂特性和魯棒性。 四、對(duì)一個(gè)多分類(lèi)問(wèn)題，本文首先將它分解成多個(gè)兩類(lèi)問(wèn)題，分別采用標(biāo)準(zhǔn)的二分支持向量機(jī)進(jìn)行識(shí)別，并為二分支持向量機(jī)的輸出賦予一個(gè)二分后驗(yàn)概率。由于多類(lèi)問(wèn)題和由其分解的兩類(lèi)問(wèn)題條件概率的一致性，本文進(jìn)一步根據(jù)二分后驗(yàn)概率計(jì)算多分類(lèi)器輸出的