一种基于支持向量机的内模控制方法

被引：13

作者：

王定成

方廷健

机构：

[1] 中国农业大学精细农业研究中心

[2] 中国科学院合肥智能机械研究所

来源：

控制理论与应用 | 2004年 / 01期

关键词：

支持向量机(SVM); 支持向量机回归(SVMR); 内模控制(IMC); 非线性;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在基于数据的基础上,采用SVM回归理论建立系统的正向模型和设计逆模控制器.首先简要介绍了SVMR的原理,然后将其应用于内模控制问题,并建立了SVMR模型.其次,在控制过程可逆的条件下设计了SVMR控制器.最后将该控制方法应用于一可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与神经网络IMC相比,具有较简单的模型和较好的控制性能.

引用

页码：85 / 88

页数：4

共 7 条

[1] Predictingtimeserieswithsupportvectormachines. M¨ULLERKR,SMOLAAJ,R¨ATSCHG,etal. ProcofIntConfonArtificialNeuralNetworks’’97 . 1997
[2] Neural networks for non_linear internal model control. HUNT K J,SBARBARO D. IEE Proceedings Control Theory and Applications . 1991
[3] Application of pseudoderivative_feedback algorithm in greenhouse air temperature control. ALBERT S,LOUIS D A,RICHARD M P. Computers and Electrical Engineering . 2000
[4] Adaptive internal model control of non_linear process. HU Q,RANGAIAH G P. Chemical Engineering Science . 1999
[5] Experimental evaluation of an augmented IMC for non_linear sytems. HU Q,SAHA P,RANGAIAH G P. Control Engineering . 2000
[6] Atrainingalgorithmforoptimalmarginclassifiers. BOSERBE,GUYONIM,VAPNIKVN. Procofthe5thAnnualAssociationforComputingMachineryWorkshoponComputionalLearningTheory . 1992
[7] Animprovedtrainingalgorithmforsupportvectormachines. OSUNAE,FREUNDR,GIROSIF. ProcofIEEENeuralNetworksforSignalProcessing . 1997

← 1 →