基于最优LS-SVM的制导工具误差分离与折合

将最小二乘支持向量机方法应用于制导工具误差分离于折合。利用线性核函数获得了工具误差系数的估计,然后利用交叉验证技术推导了最小二乘支持向量机最优参数的选择准则。该准则的计算是基于模型求解的中间参数,所以并没有增加很多的计算量。最后根据六自由度弹道仿真软件进行了特殊弹道与全程弹道的仿真。仿真计算表明,与最小二乘和主成份方法相比,最优最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于LS-SVM的导弹在线误差补偿逆控制

提出一种基于最小二乘支持向量机(least square support vector machine, LS-SVM)在线误差补偿非线性动态逆控制器设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,即第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和攻角的跟踪;然后,设计LS-SVM在线补偿器,以增强导弹控制系统的鲁棒性。通过仿真分析,验证了该方法的有效性。     

最小二乘支持向量机的参数优选方法及应用

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便,通过建立适当的性能指标,用遗传算法优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测并与其它方法的预测结果比较,结果证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

最小二乘支持向量机在强化学习系统中的应用

将连续状态空间下的Q学习构建为最小二乘支持向量机的回归估计问题,利用最小二乘支持向量机良好的泛化以及非线性逼近性能实现由系统状态-动作对到Q值函数的映射。为了保证计算速度以及适应Q学习系统在线学习的需要,最小二乘支持向量机的训练样本是窗式移动的,即在Q学习系统学习的同时获取样本数据并进行最小二乘支持向量机的训练。小车爬山控制问题的仿真结果表明该方法学习效率高,能够有效解决强化学习系统连续状态空间的泛化问题。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

基于压缩感知的多核稀疏最小二乘支持向量机

为了提高稀疏最小二乘支持向量机对高维、异构数据的泛化性能,提出新型的基于压缩感知的稀疏多核最小二乘支持向量机算法。首先根据压缩感知理论,用正交匹配追踪算法对最小二乘支持向量机的支持向量进行稀疏化,再利用线性多核扩展法求出新的核函数矩阵。将新的核矩阵应用到最小二乘支持向量机,得到稀疏多核最小二乘支持向量机的解,用稀疏的支持向量实现函数回归。理论分析与数据实验对比结果表明该模型对于高维、异构数据能够更快更准确地进行训练,大大提高了模型的泛化能力和运算速度。     

模糊偏最小二乘支持向量机的应用研究

基于偏最小二乘回归法和模糊隶属度函数,提出了一种模糊偏最小二乘支持向量机.传统最小二乘支持向量机引入模糊加权系数后,可以根据训练样本点的情况调整折衷系数,有效地提高了最小二乘支持向量机的抗噪性能.同时利用偏最小二乘回归法,克服了求解线性回归方程中自变量向量间的多重相关性问题.利用 sinc 函数对该建模方法进行了测试,并进一步对铜转炉吹炼时间的预测问题进行了仿真研究.仿真结果表明,该建模方法具有预测准确、跟踪性能好的优点.     

基于支持向量机的混沌时间序列非线性预测

提出一种新的应用支持向量机回归原理的混沌时间序列非线性预测方法,同时利用自适应的方法对支持向量机的参数进行优化.仿真结果显示支持向量机具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度,同时还讨论了支持向量机中参数以及嵌入维数的变化对泛化误差的影响,得出的结论与统计学习理论中的VC维理论相一致.     

飞行器抗饱和鲁棒自适应非线性模型预测控制

针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer, FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control, RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。     

基于NDO的飞行模拟转台伺服系统跟踪控制

针对飞行模拟转台伺服系统跟踪控制问题,提出了一种基于非线性干扰观测器(nonlinear disturbance observer, NDO)的反推全局滑模控制方案。该方案利用NDO观测系统的参数不确定性及非线性摩擦干扰,通过选择适当的设计参数使观测误差指数收敛,进而对引入NDO的系统采用反推全局滑模设计控制器,控制律的设计保证了闭环系统的稳定性。仿真结果表明,所提控制方案能够有效克服参数不确定性及非线性摩擦干扰的影响,实现了转角位置的精确跟踪,并且有效去除了控制抖振。     

超机动飞行自抗扰控制律设计与仿真

提出了一种利用自抗扰控制器算法设计超机动飞行控制系统的新方法。根据自抗扰控制器可以动态补偿系统模型扰动和外扰的特点,在超机动飞行快回路和慢回路中引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。直接针对飞机超机动飞行条件下的强耦合、强非线性模型进行控制律设计,符合超机动飞行控制的非线性、模型摄动大、模型不精确等特点,在很大的包线范围内不需要改变控制器的结构和参数,简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决超机动飞行控制问题提供了一种新的途径。     

基于超扭曲算法的无人机动态逆编队控制器设计

针对扰动条件下的无人机编队飞行控制系统,研究了一种将非线性动态逆（nonlinear dynamic inversion, NDI）理论与超扭曲算法相结合的非线性编队控制方法。以其中一架僚机的编队控制器设计为例,在无人机质心动力学和运动学模型的基础上,建立了基于偏差的编队控制系统,从而将编队控制问题转化为僚机的路径跟踪问题;在二阶滑模控制中超扭曲算法的基础上,设计了僚机的NDI控编队控制器,以消除滑模算法中存在的抖振现象,并实现对位置指令的跟踪及干扰的抑制。最后以3架编队无人机构成的编队飞行控制系统为例,对此方法进行了数学仿真,仿真结果表明基于该方法的编队控制系统具有良好的稳定性和鲁棒性。     

X-Cell50直升机非线性控制系统仿真研究

基于非线性分散控制理论,设计了X-cell50微型直升机垂直飞行的姿态稳定非线性控制系统。该控制系统的设计不依赖对象精确数学模型,控制器结构简单易于实现,所包含的积分环节补偿了系统内部的各种未知因素以及外部扰动。仿真结果与变结构滑模控制相比,不仅避免了滑模控制存在的输出稳态误差和控制信号的抖振现象,而且当直升机存在外部干扰和内部参数变化时对其姿态稳定性能的控制具有很强的鲁棒性。     

近空间飞行器直接自适应变论域模糊滑模控制

考虑一类非线性不确定系统的直接自适应变论域模糊滑模控制问题。根据跟踪误差在线调整伸缩因子,使变论域模糊系统一致逼近被控对象中的非线性部分。通过引入鲁棒自适应控制器,消除了模糊建模误差,提高了系统的动态性能。给出了系统自适应参数的调整律,并基于Lyapunov理论证明了闭环系统一致稳定。最后,将该算法用于近空间飞行器(near space vehicle, NSV)姿态控制系统的设计,仿真结果表明了该算法的有效性。     

串置翼垂直起降无人机过渡机动飞行控制

针对新型串置翼布局推力矢量无人机在垂直起降、过渡机动飞行过程中强非线性、强耦合及控制冗余的问题,采用动态逆控制方法设计全局控制系统,无需针对不同飞行模式切换控制策略。在此基础上,提出二级递进式控制分配策略,将序列二次规划、链式递增方法相结合,对航迹回路和姿态回路的控制量进行综合优化分配。同时,根据任务需求及飞行状态,基于离线数据库在线实时更新直接力控制分配目标函数权值。采用松弛约束策略,局部放宽非线性优化问题约束,增加优化求解速度。仿真结果表明该控制器能够有效跟踪高机动目标航迹。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。