基于支持向量机的自适应逆控制研究.pdfVIP

基于支持向量机的自适应逆控制 基于支持向量机的自适应逆控制 沈曙光，王广军 （重庆大学动力工程学院，重庆市沙坪坝区 400044 ） 摘要：本文研究了基于支持向量机的逆模型辨识和自适 本文研究了一种基于支持向量机的自适应 应逆控制方法。利用最小二乘支持向量机建立对象的初 逆控制方法，首先利用最小二乘支持向量机 始逆模型，并用修剪算法减少支持向量个数。将获得的 (LS-SVM)离线辨识出被控对象的逆模型，并利用 初始逆模型用作逆控制器，在自适应逆控制过程中，通 修剪算法得到具有稀疏支持向量的逆模型。在控 过递推最小二乘法实时更新逆模型，逆控制器根据ε滤 制过程中，将离线辨识出的逆模型作为初始逆控 波方法进行在线修正。仿真结果表明，基于支持向量机 制器，然后通过递推最小二乘法在线更新逆模 的逆模型辨识方法辨识精度高，自适应逆控制系统有较 型，再由对象输出和期望输出的差通过逆模型获 好的鲁棒性和控制效果。 得过滤误差，逆控制器由过滤误差来修正。最后 通过两个仿真实例，验证了所设计的控制器性 关键词：支持向量机；逆模型；自适应逆控制；ε滤波 能。 0 引言 1 LS-SVM简介 [1] 自适应逆控制 是由美国斯坦福大学教授 LS-SVM 方法是通过将最小二乘线性系统引 B.Widrow 于 1986 年首次提出。它用被控对象的 入到 SVM 中，代替传统的 SVM 采用二次规划法 逆作为串联控制器来对系统的动态特性作开环 解决分类和函数估计问题[11-12] 。用于函数估计的 控制，避免了因反馈而可能引起的不稳定问题。 LS- SVM 算法描述如下： 反馈在自适应过程本身采用，但并不控制系统的 对于给定的样本集 (x , y ), L,(x , y ), L,(x , 1 1 i i l 信号流动，从而在动态控制性能上得到改善。随 y ), x ∈R d y ∈R ,i 1, 2, L, l l i 为 d 维输入向量， i ， 着非线性建模算法的发展，神经网络等方法被引 l 为样本个数。首先用非线性映射ϕ(⋅) 将输入向量 入到非线性对象自适应逆控制中[2-4] 。 映射到高维特征空间。在这个特征空间构造最优 支持向量机(SVM)是由Vapnik 提出的一种基 化决策函数 [5] 于统计学习理论的学习算法 ，通过结构风险化 T f (x ) w ⋅ϕ(x ) +b (1) 最小原理提高泛化