LS-SVM与多层前向网络的非线性回归性能比较.pdfVIP

第20卷第1期 系 统 仿 真 学 报@ 、，01．20No．1 2008年1月 Journal of System Simulation Jan．．20o8 LS．SVM与多层前向网络的非线性回归性能比较 归分析的 一 种41t~r效的方法． 关键词：最小二乘支持向量机；BP；RBF；非线性；回归估计 中圈分类号：TP391．9 文献标识码：A 文章编号：1004—731X(2008)01．0256-03 Comparation of Nonlinear Regression Estimation Ability of LS-SVM and Multilayer Forward Neural Network WANGWeil ， WANGn口，l—miao ，WEIHong．xing (1 CollegeofEngineering，ChinaA culturalUniversity,Beijing 100083，China； 2．School ofMechanical Engineering and Automation，Beijing University ofAeronautics and Astronautics，Beijing 100083，China) Abstract：Nonlinear regression algorithms of suppo~vector machines(SVM)and least squares suppo~vector machines (LS—SVM)were introduced．／n order to compare the generalization ability and the precision offunction estimation，Wgether with BP neural net and RBF neural net,Ls．svM was applied to the function regression estimation of dynamic weighing of wheel loader respectivelr．The emulation result indicates that the Ls SvM has the best integrative performance,SO it is an effective method for bebzg used in nonlinear function regression estimation． Key words：least squares suppo~vector machines；B P：RBF：nonlinear；regression estimation 们结构简单、易于实现且计算速度快，因此在时间序列分析、 引 言 非线性函数回归估计等领域有着广泛的应用。然而，这两种 为实现装载机载重动态测量，采用在动臂举升液压缸内 网络都存在着难以克服的问题，例如如何确定网络结构、过 加装压力传感器，通过测量动臂举升过程中的油压信号，并 学习、局部极值问题等等，从本质上看是因为建立在渐进理 经过动力学分析间接获知载重量。理论分析的结果表明，在 论基础上的这两种网络，在理论上需要无穷多的样本而实际 动臂的举升过程中该液压信号本身具有较强的非线性；同 上样本有限这一矛盾造成的。 时，由于装载机工作装置工作时存在较强的振动性、动臂举 针对这一情况，Va