|
|||||
|
|
| 基于在线学习优化动态模型库的多模型自适应控制 | |
| 作者姓名： | 钱承山 吴庆宪 姜长生 |
| 作者单位： | 南京航空航天大学,自动化学院模式识别与智能控制实验室,南京,210016;泰山学院,山东省,泰安,271021;南京航空航天大学,自动化学院模式识别与智能控制实验室,南京,210016 |
| 摘 要： | 提出一种通过在线学习优化动态模型库的方法. 当子模型数量增长达到设定规模时, 根据动态模型库中各子模型与实际对象的匹配程度, 选取匹配程度最低的旧模型删除, 并添加新建子模型, 从而维持动态模型库在设定规模以内, 解决了在线学习建立动态模型库子模型数量不断增长的问题, 避免了子模型数量的过度增长而引起的计算量增加和性能下降, 并通过仿真证明了算法的有效性. |
| 关 键 词： | 多模型自适应控制 在线学习 动态模型库 优化 |
| 文章编号： | 1671-5489（2007）04-0601-06 |
| 收稿时间： | 2006-07-29 |
| 修稿时间： | 2006-07-29 |
| 本文献已被 维普 万方数据 等数据库收录！ | |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 | |
| 点击此处可从《吉林大学学报(理学版)》下载全文 | |