水下机器人改进S面控制及系统半实物仿真

针对S面控制器参数调整困难的问题,研究了改进的粒子群优化(MPSO)算法,自寻优确定S面控制器的控制参数,实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.同时,针对某水下航行器的运动控制系统,设计了控制半实物仿真系统,阐述了仿真系统的总体结构和水下机器人空间运动的非线性数学模型.仿真结果真实可靠地反映了水下机器人运动过程,验证了本文控制器对机器人的控制效果,对实际下水实验提供重要参考.     

基于支持向量机的非线性逆控制及仿真研究

针对逆系统方法中非线性逆模型辨识困难的问题,研究了基于支持向量机(SVM)的逆模型辨识及控制,提出了一种SVM逆模型与PID结合的复合控制系统.由SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制.同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷.仿真研究表明,SVM的逆模型辨识能力强,该复合控制系统具有比直接逆控制更优的控制性能和鲁棒性.     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

基于ABC-SVM模型的固体氧化物燃料电池预测控制仿真研究

为了满足直流负载电压的稳定性及固体氧化物燃料电池（SOFC）的耐用性和安全性的要求,设计了两个控制回路分别对SOFC的输出电压和燃料利用率进行控制。通过设计一个简单的控制回路来使燃料利用率保持在恒定值,并在此基础上开发了一个非线性模型预测控制器以控制SOFC的输出电压。该非线性模型预测控制器基于改进的支持向量机（SVM）预测模型,首先利用Lipschitz quotients准则确定SVM预测模型的结构,然后通过人工蜂群算法（ABC）优化SVM参数。仿真结果表明,所提的基于ABC-SVM模型的SOFC预测控制算法可以很好地跟踪电压设定值,证明了ABC-SVM模型在SOFC非线性动态建模中的有效性。     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

基于SVM-ADRC的全垫升气垫船航向控制

为改善全垫升气垫船的操纵性,提出了一种基于支持向量机的参数自整定自抗扰控制算法.采用扩张状态观测器观测系统内外扰动并加以补偿,利用非线性误差反馈控制律提高控制性能.利用支持向量机辨识系统非线性关系,建立其瞬时线性化模型.结合最优控制的二次型性能指标思想,实现自抗扰控制参数的自整定.仿真结果表明：在恶劣环境扰动下,所设计控制器能够实现全垫升气垫船航向的精确控制,调节时间短、超调量小、自适应性强.     

基于LS—SVM的模糊控制器分析与设计

探讨了利用最小二乘支持向量机（LS—SVM）进行模糊控制器分析与设计的方法,LS-SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程。将得到的LS-SVM模型应用到模糊控制。提出了基于LS-SVM模型的模糊控制算法。该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点。仿真表明。LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力。基于LS—SVM的模糊控制器具有很好的控制性能。     

支持向量机非线性系统模型辨识的研究

采用标准支持向量机(SVM),v-支持向量机,模糊支持向量机,充分发挥其可以任意逼近非线性模型的良好特性对非线性系统进行模型辨识,通过仿真试验表明SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.     

水下机器人自适应S面控制

以某机器人为研究对象,使用S(Sigmoid)面控制方法构造了速度控制器并分析了该控制器的稳定性. 参考滑模变结构控制思想,提出了参数自适应S面速度控制器,使控制参数根据运动状态自适应调整. 同时,为了提高S面位置控制器的适应性,改进了控制器的自适应调整项,增强了控制器消除稳态误差的能力,实现了S面控制器局部动态调整. 水池中的对比实验和海洋验证实验表明,改进方法获得了良好的控制效果,有效提高了水下机器人运动控制的适应性.     

基于Hammerstein模型的连续搅拌反应釜非线性预测控制

该文针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于最小二乘支持向量机Hammerstein模型的非线性预测控制方法。Hammerstein模型的非线性环节采用最小二乘支持向量机逼近,线性环节则采用外因输入自回归模式(ARX)结构。基于此模型结构设计非线性模型预测控制器,将非线性预测控制问题转化为线性模型的预测控制和非线性模型的求逆问题,进而给出了预测控制律以及非线性环节逆模型的构造方法。对CSTR的仿真结果表明:与传统的非线性模型预测控制以及PI控制器相比,该文方法精度更高,能够有效跟踪控制反应物浓度。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

结构半主动变阻尼器地震反应控制设计研究

针对半主动变阻尼器建立了地震作用下多层建筑结构基于支持向量机（SVM）的半主动控制算法．首先,运用动力缩聚法建立多层建筑结构模型,利用LQR原理获得LQR控制器;然后,构造SVM模型,通过机器学习、离线训练使其兼作控制系统状态观测器和控制器．     

基于AFSA-SVM算法的电力系统控制方法研究

电力控制系统是一个非线性、时变系统,常规控制方法难以获得较好的控制效果,提出一种融合人工鱼群算法和支持向量机的电力系统优化控制方法(AFSA-SVMCA)。采用非线性学习能力强的支持向量机对控制器参数进行离散化处理,得到控制规律,将系统超调量引入到控制对象的优化目标函数中,同时采用人工鱼群算法对支持向量机处理后的参数进行在线优化,进一步提高了系统控制性能。仿真结果表明,相对于传统算法,AFSA-SVMCA算法不仅加快控制系统的控制精度,而且超调量小、抗扰动能力强,可以获得高品质的电力系统控制效果。     

基于S模型的水下机器人改进人工免疫控制器

为分析水下机器人非线性运动控制系统的特点,采用基于生物免疫生理特性与免疫应答的免疫控制方法,结合Sigmoid非线性模型和函数简化策略,得到改进型免疫控制器.水下机器人仿真试验表明,该控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

基于支持向量机的地基单站GPS反演大气剖面

提出基于支持向量机的地基单站GPS遥感大气剖面的反演方法,主要包括经典支持向量机、最小二乘支持向量机、相关向量机3种方法,利用青岛地区的历史数据进行了仿真反演对比研究,并与神经网络反演方法进行比较,结果表明支持向量机能够有效地应用于地基单站GPS大气遥感领域.     

基于SVM的Internet网络时延分析及预测

针对基于Internet的网络控制系统,采用Socket通信方式构建了网络控制系统的通信平台,在此平台上对网络延时进行了测试.基于时间序列分析方法,对Internet网络延时特性以及延时时间序列的自相关性进行了统计分析;进而提出了基于支持向量机(SVM)的网络延时预测方法.仿真结果证明,和线性预测算法相比,采用支持向量机预测网络延时具有较高的正确率.