基于支持向量机的非线性系统多步预测控制.pdfVIP

基于支持向量机的非线性系统多步预测控制 摘要： 以支持向量机实现的递推多步预测输出值为基础，将系统的实际多步预测输出值按泰勒公式展开， 实现对预测输出值的二次逼近。通过对目标函数极小化，求得相应的多步预测控制值。在辨识与迭代预测 时，采用最小二乘支持向量机。分析了闭环系统的稳定性，仿真实验表明该方法实现简单，具有很好的快 速性和稳定性。 关键词： 最小二乘支持向量机，非线性系统，预测控制，泰勒逼近 1 引言 广义预测控制 [1] （GPC ）由于具有明确的工程物理意义和广泛的适应能力，在工程界和 控制界得到广泛关注，但对于强非线性的工业过程显得力不从心。 常用的非线性预测模型包括神经网络及模糊模型等， 其学习算法都是基于经验风险最小 化原理。这种学习算法都存在“过拟合”问题 [2] 。Vapnik [3] 基于统计学习和结构风险最小化 原理提出了支持向量机 (SVM)方法，它可兼顾学习算法的经验风险和推广能力，其用途之一 就是对非线性函数的拟合。 Suykens [4] 在标准 SVM的目标函数中增加了误差平方和项，提出 最小二乘支持向量机 (LS-SVM)方法，