PSO并行优化LSSVR非线性黑箱模型辨识

被引：10

作者：

刘胜

宋佳

李高云

机构：

[1] 哈尔滨工程大学自动化学院

来源：

智能系统学报 | 2010年 / 5卷 / 01期

基金：

黑龙江省自然科学基金;

关键词：

粒子群算法; 最小二乘支持向量机回归; 非线性系统辨识; 黑箱模型; 船舶操纵模型;

D O I：

暂无

中图分类号：

N945.1 [系统分析];

学科分类号：

071102 ;

摘要：

针对非线性黑箱系统辨识中存在不确定性、高阶次,采用常规辨识方法建立其精确数学模型十分困难等问题,提出一种基于自适应粒子群算法的最小二乘支持向量机回归(PSO-LSSVR)非线性系统辨识方法.该方法采用2组自适应粒子群算法并行计算模型,分别利用自适应粒子群算法对LSSVR中的参数进行自动选取和矩阵迭代求解,既克服了传统LSSVR参数难以确定的缺点,提高了辨识精度,同时避免了复杂矩阵求逆运算,加快了计算速度.将该方法应用于船舶操纵性模型非线性系统辨识,仿真结果表明,由该方法得到的LSSVR能够有效地对系统进行建模,仿真精度高,结构简单,具有一定的理论推广意义.

引用

页码：51 / 56

页数：6

共 6 条

[1] 一种弹性粒子群优化算法 [J].

李勇刚 ;

桂卫华 ;

阳春华 ;

陈志盛 .

控制与决策 , 2008, (01) :95-98

[2] 应用支持向量机的船舶操纵运动响应模型辨识(英文) [J].

罗伟林 ;

邹早建 .

船舶力学, 2007, (06) :832-838

[3] 基于改进PSO算法的LS-SVM油层识别模型 [J].

夏克文 ;

董瑶 ;

杜红斌 .

控制与决策, 2007, (12) :1385-1389

[4] 自适应GA-SVM参数选择算法研究 [J].

刘胜 ;

李妍妍 .

哈尔滨工程大学学报, 2007, (04) :398-402

[5] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[6]

Application of compound controller based on fuzzy control and support vector machine on ship boiler-turbine coordinated control system. LIU Sheng,LI Yanyan. The2007IEEE International Conference on Mechatronics and Automa-tion . 2007

← 1 →