基于数据的非线性系统近似解与最优跟随控制-控制理论与控制工程专业论文.docxVIP

Based on this, we try to construct the new data-driven control theory using the machine learning. KEY WORDS ： Data-driven control, Least square support vector machines (LS-SVMs), Nonlinear systems, Approximate solution, Optimal tracking control 目 录 第一章 绪论1 1.1 课题研究背景1 1.1.1 大数据时代1 1.1.2 数据驱动控制方法简述2 1.1.3 研究数据驱动控制的意义8 1.2 课题研究的主要内容及意义9 1.2.1 仿射非线性系统的近似解问题10 1.2.2 基于数据的一类非线性系统最优跟随控制12 1.3 文章内容安排13 第二章 支持向量机15 2.1 支持向量机的概况15 2.2 支持向量机基本思想16 2.3 最小二乘支持向量机20 2.4 核函数及核参数选择21 2.5 本章小结23 第三章 基于 LS-SVMs 的仿射非线性系统近似解24 3.1 引言24 3.2 问题描述24 3.3 求解仿射非线性系统近似解25 3.4 仿真示例30 3.5 本章小结39 第四章 基于数据的一类非线性系统的最优跟随控制研究40 4.1 引言40 4.2 问题的描述41 4.3 基于数据的有限时间最优跟随控制41 4.3.1 有限时间最优跟随轨线41 4.3.2 有限时间最优数据驱动控制46 4.4 仿真分析49 4.5 本章小结54 第五章 结论与展望55 5.1 结论55 5.2 展望56 5.3 结语57 参考文献58 发表论文和参加科研情况说明66 致 谢67 第一章 第一章 绪论 PAGE PAGE 10 第一章 绪论 1.1 课题研究背景 1.1.1 大数据时代 随着科学技术特别是信息技术的发展，各种网络，如互联网、物联网、社交 网络及云计算技术等如火如荼的改变着人们的生活，全球的数据信息量也呈爆炸 式增长。前所未有的巨大数据量的聚集引起了各方的高度关注，2009 年联合国 启动“全球脉动”计划，2012 年美国政府推出“大数据研究与开发”计划，英 国政府提出数据权，法国、德国、日本、中国等国家也相继投入资源支持大数据 的研究。大型的互联网公司像 IBM 、Oracle 、Microsoft 、Google 、Amazon、 百度、阿里巴巴及 Facebook 等因大数据带来的巨大商业价值而相继投入大量资 源研究和推广大数据，同时获得了较好的成绩[1]。大数据在行业层面和国家层面 的力量的共同推动下以极快的速度成为继物联网、云计算之后的又一更有意义的 热点，同时把人们推入新的时代——大数据时代（Big Data Time）。 大数据时代的来临，数据也发生了新的变化。首先是数据的形式不再唯一， 由原来的结构化数据转变为半结构化和非结构化数据，即数据形式多样化 （Variety）；其次，各种传感器，摄像等智能设备的大量应用，产生了大量的数 据，几百 GB，几十 TB 的数据积累时间缩短，即数据量大（Volume）；再次， 在时间就是金钱的今天，对数据处理的速度要求也越来越高，特别是电子商务行 业，数据分析结果若是及时的得到，提升决策速度，为客户提供及时周到的服务， 将为电子商务带来巨大的商业利益，即大数据时代要求在面对数据处理时速度要 快（Veloctiy）；最后，数据体量巨大，总体的价值虽然巨大，然而其蕴含在巨 大的数据之中，也致使其被稀释，即价值密度降低（Value）。大数据因四个显 著特征，而与传统数据的区别较大，导致新的技术问题，例如大数据存储，深度 分析，可视化等。每一个问题都是研究都可能引发新的技术革新，如今在数据的 存储方面已经初窥门径。 大数据主要从数据存储开始研究的，研究成员的典型代表是 IBM、Oracle、 Microsoft、Google、Amazon 等互联网行业的跨国巨头，因大数据能够带来的巨 大利益驱使着这些公司不断的优化大数据的存储。在技术层面上，NoSQL（Not Only SQL）是大数据的解决方案，大致可以分为四种类型：Google 公司的大表 （Big Table[2]），Facebook 的键值对（Cassandra[3]），面向文档库（CouchDB） 以及图形数据库（GraphDB）。大数据分析平台目前最为流行的是基于分布式计 算框架（MapReduce[4]）的 Hadoop[5]体系结构。因为数据存储不是本论文需要讲 述的重点，此