基于最小二乘支持向量机的超磁致伸缩执行器磁滞非线性模型

被引:2
作者
李跃松 [1 ]
朱玉川 [1 ,2 ]
吴洪涛 [1 ]
牛世勇 [3 ]
田一松 [3 ]
机构
[1] 南京航空航天大学机电学院
[2] 浙江大学流体动力与机电系统国家重点实验室
[3] 西安飞行自动控制研究所
关键词
超磁致伸缩; 磁滞非线性; 最小二乘支持向量机; 神经网络;
D O I
暂无
中图分类号
TH703 [结构]; TP18 [人工智能理论];
学科分类号
0804 ; 080401 ; 081102 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
为准确模拟超磁致伸缩执行器的磁滞非线性特性,基于最小二乘支持向量机与实验数据建立了超磁致伸缩执行器的模型,结果显示所建模型都能够充分逼近非线性实验数据点。为提高模型的求解速度,仅选用一半的实验数据建立了小样本模型,并与神经网络所建小样本模型对比,结果表明:基于最小二乘支持向量机所建模型的位移预测误差小于1.2μm,而基于神经网络所建模型的位移预测误差大于1.5μm。
引用
收藏
页码:4 / 6
页数:3
相关论文
共 4 条
[1]   GMA喷嘴挡板阀参数设计及特性研究 [J].
王传礼 ;
丁凡 ;
许贤良 .
机床与液压, 2006, (08) :69-71+103
[2]   A support vector machine based control application to the experimental three-tank system [J].
Iplikci, Serdar .
ISA TRANSACTIONS, 2010, 49 (03) :376-386
[3]   Enlarging the terminal region of nonlinear model predictive control using the support vector machine method [J].
Ong, C. J. ;
Sui, D. ;
Gilbert, E. G. .
AUTOMATICA, 2006, 42 (06) :1011-1016
[4]   Prediction of hysteresis loop in magnetic cores using neural network and genetic algorithm [J].
Kucuk, Ilker .
JOURNAL OF MAGNETISM AND MAGNETIC MATERIALS, 2006, 305 (02) :423-427