基于約簡SVM的預(yù)測控制優(yōu)化與應(yīng)用研究.pdf

1、預(yù)測控制技術(shù)是一種基于預(yù)測模型的新型控制技術(shù),它區(qū)別于傳統(tǒng)控制器對于模型精度和表達形式的嚴格限制,根據(jù)系統(tǒng)的輸入來預(yù)測其未來輸出,采用滾動優(yōu)化的策略對局部目標進行反復(fù)優(yōu)化,每次優(yōu)化得到的并不是全局最優(yōu)解,但是通過對控制器的反復(fù)優(yōu)化,同時考慮到模型失配、時變性和干擾所引起的不確定性,最終達到使控制器的性能最優(yōu)的目的。但是我們在實際工業(yè)生產(chǎn)中所碰到的大部分對象都是一些具有嚴重時間滯后而且容易受到不確定性因素的影響,想要建立它們的精確模型是非

2、常困難的。所以將預(yù)測控制直接應(yīng)用于工業(yè)生產(chǎn)時遇到了很大的困難。如何建立一個符合實際對象的非線性模型,目前為止還處于一個待研究的開放性課題。目前人們慣用的非線性建模方法主要有神經(jīng)網(wǎng)絡(luò)模型和模糊模型等,它們都是以經(jīng)驗風(fēng)險最小化為原則來進行非線性模型的逼近。經(jīng)驗風(fēng)險最小化原則雖然在理論上可以任意精度逼近任一非線性模型,但是在實際應(yīng)用時發(fā)現(xiàn),隨著學(xué)習(xí)樣本數(shù)的增加,其置信風(fēng)險也相應(yīng)增加。支持向量機以結(jié)構(gòu)風(fēng)險最小化原則,在經(jīng)驗風(fēng)險和置信風(fēng)險之間選擇

3、一個最優(yōu)點,使得結(jié)構(gòu)風(fēng)險最小。在處理非線性問題時,SVM通過引入核函數(shù),避免了在高維空間中的內(nèi)積運算,從而解決了維數(shù)災(zāi)問題。但是在處理大規(guī)?；貧w問題時SVM的訓(xùn)練速度明顯不如神經(jīng)網(wǎng)絡(luò)。經(jīng)研究發(fā)現(xiàn)。并非所有的支持向量都對訓(xùn)練結(jié)果產(chǎn)生影響。
　　 本文從決策函數(shù)入手,通過矩陣變換和引入松弛變量的概念來對SVM建模時非必需的支持向量進行約簡,以提升SVM的訓(xùn)練速度。我們采用了kin family中的4000組數(shù)據(jù)作為實驗數(shù)據(jù)來測試支持