基于最小二乘支持向量机和混沌优化的非线性预测控制

被引：15

作者：

梁昔明 ^{[1
]}

阎纲 ^{[1
,2
]}

李山春 ^{[1
]}

龙文 ^{[1
]}

龙祖强 ^{[1
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 湖南财经高等专科学校

来源：

信息与控制 | 2010年 / 39卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

最小二乘支持向量机; 混沌优化; 预测控制; 变尺度混沌优化;

D O I：

10.13976/j.cnki.xk.2010.02.014

中图分类号：

TP13 [自动控制理论];

学科分类号：

0711 ; 071102 ; 0811 ; 081101 ; 081103 ;

摘要：

针对非线性多入多出(MIMO)系统,提出一种基于最小二乘支持向量机(LSSVM)和混沌优化的预测控制策略.预测模型是预测控制的三要素之一.本文给出了基于混沌优化的Chaos-LSSVM算法,在可行域内反复搜索,从而得到最优的LSSVM算法参数,以及最优的LSSVM模型.在线优化是另一个要素.提出了基于变尺度混沌优化的MSC-MPC(变尺度混沌-模型预测控制)算法,可根据控制误差的大小,决定是否缩小搜索范围,从而迅速收敛到最优解.该算法计算简单,容易实现,避免了同类方法复杂的求导、求逆运算.仿真结果显示:Chaos-LSSVM算法和MSC-MPC算法分别具有良好的建模、控制性能.

引用

页码：129 / 135

页数：7

共 9 条

[1]

支持向量机在智能建模和模型预测控制中的应用.[D].包哲静.浙江大学.2007, 02

[2]

混沌优化理论在控制系统设计中的研究.[D].李祥飞.中南大学.2003, 04

[3] Nonlinear modeling of a SOFC stack based on a least squares support vector machine [J].

Huo, Hai-Bo ;

Zhu, Xin-Han ;

Cao, Guang-Yi .

JOURNAL OF POWER SOURCES, 2006, 162 (02) :1220-1225

[4]

Weighted least squares support vector machines: robustness and sparse approximation.[J].J.A.K. Suykens;J. De Brabanter;L. Lukas;J. Vandewalle.Neurocomputing.2002, 1

[5] Optimal control by least squares support vector machines [J].