基于支持向量机的参数自整定PID非线性系统控制

被引：20

作者：

刘涵

刘丁

机构：

[1] 西安理工大学自动化与信息工程学院

来源：

控制理论与应用 | 2008年 / 03期

关键词：

支持向量机; 非线性控制; PID控制器; 线性化; 自整定;

D O I：

暂无

中图分类号：

TP273 [自动控制、自动控制系统];

学科分类号：

080201 ; 0835 ;

摘要：

对非线性系统提出了一种基于支持向量机的自整定PID控制新方法.用支持向量机辨识系统的非线性关系,并对之进行线性化,提取出瞬时线性模型,采用最小方差的准则获取PID控制器的最优参数.为改善控制器的性能,提出了一些改进措施,包括使用一阶滤波器、控制器参数更新标准及惩罚系数的调整等.通过对典型非线性系统的仿真.验证了该方法的有效性和可行性.

引用

页码：468 / 474

页数：7

共 7 条

[1] 基于模糊sigmoid核的支持向量机回归建模 [J].

刘涵 ;

刘丁 .

控制理论与应用, 2006, (02) :204-208

[2] 基于最小二乘支持向量机的混沌控制 [J].

刘涵 ;

刘丁 ;

任海鹏 .

物理学报, 2005, (09) :4019-4025

[3] 非线性系统神经网络自适应控制的发展现状及展望 [J].

孙富春 ;

李莉 ;

孙增圻 .

控制理论与应用, 2005, (02) :254-260

[4] 遗传算法在水电机组调速器PID参数优化中的应用 [J].

孟安波 ;

叶鲁卿 ;

殷豪 ;

梁宏柱 ;

傅闯 ;

程远楚 .

控制理论与应用, 2004, (03) :398-404

[5] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[6] 基于神经网络的动态系统逆模型辨识及闭环控制(英文) [J].

马晓敏 .

控制理论与应用, 1997, (06) :829-836

[7]

Support-vector-based fuzzy neural network for pattern classification .2 Lin C T,Yeh C M,Liang S F,Chung J F,Kumar N. IEEE Transactions on Fuzzy Systems . 2006

← 1 →