基于SVM和PSO的新型非线性模型预测控制

被引：3

作者：

李涛

吕勇哉

陈鹏

机构：

[1] 上海交通大学自动化系

来源：

控制工程 | 2008年 / S2期

关键词：

非线性模型预测控制; 粒子群优化; 支持向量机; 滚动优化; 收敛性;

D O I：

10.14107/j.cnki.kzgc.2008.s2.045

中图分类号：

TP13 [自动控制理论];

学科分类号：

摘要：

对于具有强非线性或复杂非线性约束的系统,通过非线性模型的线性化和二次规划优化实现非线性模型预测控制,难以取得满意的结果。提出了一种基于支持向量机模型和粒子群优化的非线性模型预测控制系统的算法。仿真实例表明了支持向量机模型的泛化能力和粒子群优化的寻优速度及能力,证明了将其运用于非线性模型预测控制中的可行性。

引用

收藏

页码：102 / 105

页数：4

相关论文

共 10 条

[1] 基于PSO的预测控制及在聚丙烯中的应用 [J].

夏晓华 ;

刘波 ;

栾志业 ;

金以慧 .

控制工程, 2006, (05) :401-403

[2] 基于支持向量机的非线性系统模型预测控制 [J].

徐保国 ;

胡立萍 .

计算机测量与控制, 2005, (08) :799-801+826

[3] 一种基于最小二乘支持向量机的预测控制算法 [J].

刘斌 ;

苏宏业 ;

褚健 .

控制与决策, 2004, (12) :1399-1402

[4] 基于支持向量机的非线性预测控制技术 [J].

王宇红 ;

黄德先 ;

高东杰 ;

金以慧 .

信息与控制, 2004, (02) :133-136+140

[5]

粒子群优化算法的理论及实践[D]. 张丽平.浙江大学. 2005

[6]

预测控制[M]. 国防工业出版社 , 席裕庚著, 1993

[7]

Nonlinear empirical modeling techniques[J] . Ronald K. Pearson.Computers and Chemical Engineering . 2006 (10)

[8] A formulation of nonlinear model predictive control using automatic differentiation [J].

Cao, Y .

JOURNAL OF PROCESS CONTROL, 2005, 15 (08) :851-858

[9] A new optimization algorithm with application to nonlinear MPC [J].

Martinsen, F ;

Biegler, LT ;

Foss, BA .

JOURNAL OF PROCESS CONTROL, 2004, 14 (08) :853-865

[10] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167