3-贝氏弧线--支持向量机法和最小二乘支持向量机法.pdfVIP

Airball Demo 建模--支持向量机法和 最小二乘支持向量机法 校： 山东大学控制学 导 师： 张承慧 李珂 参赛者： 冯丽娜 范曾 黎飞 2010 年9 月10 日 Airball Demo 建模--支持向量机法和最小二乘支持向量机法 冯丽娜 范曾 黎飞 ( 山东大学 控制科学与工程学院，山东 济南 250061) 摘要：控制器调节直流风扇电压吹动管道中的乒乓球，使其稳定在某一高度。 该系统是高度的非线性动态系统，而且重要过程的参数缺少在线测量，因此建立 机理模型非常困难。本文分别采用支持向量机(SVM) 和最小二乘支持向量机 (LS-SVM)对该非线性系统建模。仿真结果表明，用SVM 和LS-SVM 建立的Airball Demo 模型拟合误差小，泛化性能好。 关键词：支持向量机; 最小二乘支持向量机; 建模; 非线性 中图分类号:TP 15 文献标识码:A Modeling of Airball Demo Based on Support Vector Machines and Least Squares Support Vector Machines FENG Li-na, FAN Zeng, LI Fei (School of Control Science and Engineering, Shandong University, Jina 250061, China) Abstract: An airball in a pipeline is stabilized at a certain height by adjusting the DC voltage of a fan. The system researched is characterized as a seriously nonlinear dynamical system. It is difficult to build models based on its inherent mechanism because of the absence of efficient on-line parameters. Support Vector Machines and Least Squares Support Vector Machines are applied separately to build models of the system of Airball demo. The experimental results show that the models established have high abilities of approximation and generation. Keywords: support vector machines; Least Squares Support Vector Machines; model; nonlinear 言 在本文研究的系统中，通过控制模型底部的一个直流风扇来吹动Airball 在 管道中运动并稳定在某一高度，风扇的工作电压是通过 BR 标准功能块实现 PWM 控制。由于被控对象的输出Airball 的高度与输入的风扇工作电压之间呈非 线性关系，从 Airball 开始运动到达到稳定状态，中间的动态过程复杂、很多参 数难以准确确定，限制了基于物理机理建立的数学模型的实时性和准确性。 人工神经网络是近年来在各个领域发展极为迅速的一种建模方法。它不需要 任何既定的数学公式或模型，可随时依据数据资料进行自适应学习、训练，通过 1