基于隐核最小二乘回归逆控制.docVIP

基于隐核最小二乘回归逆控制 　　[摘要]基于对核特征空间和最小二乘回归算法的深入研究，提出一种新的非线性隐核最小二乘回归算法(HK-LSR)并将其应用于非线性系统的逆学习控制。仿真表明，该方法具有良好的泛化性能，所构造的逆学习控制器具有令人满意的控制性能。 　　[关键词]核函数 回归 逆控制 非线性系统 　　中图分类号：TP13文献标识码：A 文章编号：1671－7597（2008）1010123－02 　　 　　一、引言 　　 　　由于核回归方法作为通用函数逼近器在函数逼近、时间序列预测、软测量以及系统辨识等方面均取得了比较成功的应用，目前，核回归算法及其在非线性控制领域中的应用已经成为国内外学者的研究热点之一。 　　迄今，人们对基于支持向量机的控制问题已取得了一些很好的研究成果。Kruif成功将支持向量机用于前馈学习控制[1]。Kulkarni 和Huaping则通过引入支持向量机补偿非线性从而构造出混沌系统的线性反馈控制器[2，3]。张浩然提出基于支持向量机的未知非线性的辨识及模型预测控制[4，5]。王定成提出了基于SVM的内模控制方法[6]。作为一种SVM的变形，最小二乘支持向量机能将支持向量机的求解转化为求解一组线性方程，从而具有更快的计算速度。Suykens最新把最小二乘支持向量机用于解决混沌控制问题和非线性系统的优化控制问题[7，8]并取得了很好的控