一类非线性系统基于最小二乘支持向量机的自适应H∞控制

提出一类非线性不确定系统基于最小二乘支持向量机的白适应H∞控制方法．该方法基于最小二乘支持向量机估计对象的未知非线性函数,并给出了最小二乘支持向量机权向量和偏移值的在线学习规则．引入H∞控制器用于减弱外部干扰及最小二乘支持向量机近似误差对输出误差的影响．利用李亚普诺夫理论证明了整个闭环系统一致最终有界稳定．仿真结果表明了该方法的有效性．     

基于最小二乘支持向量机的一类非自治系统自适应控制

提出了一种基于最小二乘支持向量机(LS-SVM)的一类不确定非自治系统自适应控制器设计方法.该方法基于最小二乘支持向量机来估计对象的部分未知非线性项,并给出了最小二乘支持向量机权向量和偏移值的在线学习规则.利用李亚普诺夫理论严格证明了整个闭环系统的跟踪误差、控制器参数以及最小二乘支持向量机权参数和偏移值的一致最终有界.此控制方法可以保证对象在线稳定地跟踪任何光滑的目标轨迹,仿真结果表明了此控制方法的可行性和有效性.     

一类非线性系统基于最小二乘支持向量机的直接自适应控制

提出一类非线性系统基于最小二乘支持向量机的直接自适应控制方法.该方法采用最小二乘支持向量机构造自适应控制器,自适应控制器参数的在线调整规律由Lyapunov稳定性理论导出,并严格证明了闭环系统的渐近稳定性.仿真研究表明了此控制方案的可行性和有效性.     

基于LS-SVM的非线性系统自适应输出反馈控制

针对状态不可测的单输入单输出非线性不确定系统,提出一种基于最小二乘支持向量机(LS-SVM)的直接自适应输出反馈控制方法.该方法首先设计一种误差观测器,间接地估计出系统的状态,然后采用最小二乘支持向量机构造自适应控制器,控制器参数的在线调整规律由李亚普诺夫稳定性理论导出.文中严格证明了闭环系统的渐近稳定性,仿真研究表明了此控制方法的可行性和有效性.     

基于LSSVM的卫星姿态控制系统故障诊断

提出了一种基于最小二乘支持向量机(LSSVM)非线性观测器的卫星姿态控制系统故障诊断方法。与标准的支持向量机回归算法相比,最小二乘支持向量机回归算法收敛速度快,适用于在线训练。该方法利用其回归逼近非线性函数的能力,设计基于最小二乘支持向量机的非线性系统状态观测器,在线训练最小二乘支持向量机回归,并用于估计卫星姿态控制系统故障。最后,通过仿真验证了这种方法可以快速准确地估计出卫星姿态控制系统的故障。     

T-S模型的遗传算法和支持向量机辨识

基于非线性系统的输入输出数据,辩识对象的T-S模型.提出基于遗传算法和最小二乘支持向量机的辨识方法,利用遗传算法聚类进行结构辨识,每个类代表一条规则,规则数等于类数量,类中心作为该规则的隶属度函数中心类数;同时考虑模型辨识精度,实现全局优化;参数辨识采用基于结构风险最小化的最小二乘支持向量机方法,综合考虑模型复杂度和辨识误差.仿真结果证明了算法的有效性,辨识精度高,泛化能力强.     

一类非线性逆系统的加权最小二乘支持向量机辨识方法

文中依据T-S模型的思想,提出了一种加权最小二乘支持向量机辨识算法.它采用模糊c均值(FCM)聚类确定规则数目,通过Gauss型函数将原输入输出空间分成若干子空间,在子空间中使用最小二乘支持向量机(LS-SVM)拟合获得子模型,然后由一个权重机制合成这些子模型,得到系统的模型.文中使用该方法去辨识关键反馈变量难以获得的非线性逆系统.为了得到这类逆系统的有效建模数据,采用了联合逆系统方法.仿真结果表明,加权最小二乘支持向量机辨识方法是有效的,它能够实现这类非线性逆系统的辨识,而且拟合误差平稳,波动幅度小,拟合精度和泛化能力都较好.     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

维纳模型的最小二乘支持向量机辨识

针对传统维纳模型辨识方法存在算法复杂、精度低的问题,通过对最小二乘支持向量机建模原理和维纳模型结构特点的分析,提出一种基于最小二乘支持向量机的维纳模型辨识新方法.该方法充分利用了维纳模型中具有线性环节这一先验知识,实现了线性和非线性环节参数的同时辨识.对于多变量维纳模型,该方法同样适用.给出并证明了该方法存在唯一解的约束条件 - 参数部分列满秩.仿真实验表明了该方法的有效性,与标准最小二乘支持向量机辨识方法相比,该方法具有更高的精度.     

基于短时LS-SVM的GNSS铁路路基沉降监测数据分析研究

在GNSS(全球导航卫星系统)铁路路基沉降监测中,卫星信号受到周围环境的影响,同时实时监测中数据传输的不可靠性,导致监测结果往往有很强的不稳定性,有效地剔除粗差能提高GNSS监测的可靠性.鉴于最小二乘支持向量机有很强的非线性运算能力与数据拟合能力,建立短时最小二乘支持向量机铁路沉降数据预测模型,在监测中融合该模型,提高监测的有效性.分别运算该模型对山西中南部铁路通道重载综合试验地的3个监测点进行了分析处理,结果表明融合短时最小二乘支持向量机的预测模型有效抑制了GNSS监测中的离散误差,提高了GNSS监测系统的可靠性与稳定性,为铁路路基沉降监测提供了更为有效的手段.     

LS-SVM在提高气压测高系统精度中的应用研究

在利用计算机软件补偿飞机测高系统误差方法中,传统的采用分段拟合方法精度不高,非线性误差大;神经网络存在过学习、网络拓扑结构不易确定以及泛化能力差等缺点。提出利用最小二乘支持向量机(LS-SVM)对某型飞机测高系统误差进行预测、补偿,提高其测高精度。在分析LS-SVM回归算法的基础上,利用LS-SVMlab1.5对某型飞机测高系统误差样本数据进行了仿真。结果表明,LS-SVM在数据回归预测方面精度高、泛化能力强、稳定性好,可以有效提高飞机气压测高系统精度,具有应用推广价值。     

基于LS-SVM的BTT导弹动态逆反演控制

基于LS -SVM理论、动态逆控制和反演控制方法,针对具有非匹配不确定性的BTT导弹非线性数学模型,设计了一种基于LS- SVM的BTT导弹动态逆反演控制律;对传统反演控制律设计的不足之处,采用LS- SVM法逼近BTT导弹控制系统中带有未知成分非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因建模误差对控制带来的不良影响,在此基础上,利用李亚普诺夫方法证明了系统的稳定性和收敛性;仿真结果表明,文章所设计的控制律,对导弹控制系统中存在的不确定因素具有较强的鲁棒性和自适应性.     

基于LS-SVM的一类非线性系统直接自适应H∞输出反馈控制

针对一类状态不可测的单输入单输出非线性不确定系统,提出了一种基于最小二乘支持向量机（LS-SVM）的直接自适应H∞输出反馈控制方法．该方法首先设计一种误差观测器,间接地估计出系统的状态;然后利用LS-SVM构造白适应控制器,并给出了LS-SVM权向量和偏移值的在线学习规则,通过引入如控制器减弱外部干扰及LS-SVM近似误差对输出误差的影响,利用李亚普诺夫理论证明了整个闭环系统的稳定性．仿真研究表明了该控制方案的可行性和有效性．     

基于LS-SVM飞机大迎角动态辨识方法研究

确定飞机在大迎角飞行状态时的动态系统参考模型,对于支持飞机控制系统的稳定性和控制增稳设计有着重要的影响。为了精确描述飞机大迎角机动非定常、非线性数学模型,提出利用最小二乘支持向量机(LS-SVM)对飞机大迎角状态飞行时的非线性动态系统进行辨识,利用网络搜索和交叉验证的方法选择支持向量机参数,并建立了飞机大迎角动力学参考模型,仿真验证显示方法具有较强的泛化能力和较高的辨识效果。     

基于自组织模糊CMAC网络的非线性系统鲁棒自适应跟踪控制

基于自组织模糊CMAC(SOFCMAC)神经网络,提出了一种非线性模型参考神经网络 增广逆系统鲁棒自适应跟踪控制方法.该方法的特点是通过S0FCMAC神经网络在线修正由 于建模误差、不确定因素等引起的非线性系统逆误差,使得系统输出准确跟踪参考模型输出. SOFCMAC的权值调整规律由Lyapunov稳定性理论导出.文中证明了非线性闭环系统的稳定 性.仿真例子表明了本文方法的有效性.     

一类非线性系统的自适应控制

针对一类未知的MIMO非线性系统的控制问题,提出了一种基于混合遗传算法的自适应RBF神经网络控制器(HGA-RBFNNC),使系统能跟踪期望输出.采用混合遗传算法,在线确定RBF神经网络的结构和参数,当误差满足一定要求时,该控制器转入按照基于Lyapunov稳定性理论的自适应律进行网络权值的进一步调整,这样既在线建立神经网络又保证了整个系统的全局稳定性和收敛性.仿真实验结果表明,该控制器能够快速跟踪期望输出,而且具有很好的稳定性和收敛性.     

基于PSO滚动优化的LS-SVM预测控制*

针对非线性时延系统、传统预测控制算法难以建立精确模型、控制精度不高的现状,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;然后运用粒子群(PSO)算法完成非线性预测控制的滚动优化。仿真结果表明,基于该方法的非线性系统预测控制具有较好的控制效果。     

A measurement fusion method for nonlinear system identification using a cooperative learning algorithm

Identification of a general nonlinear noisy system viewed as an estimation of a predictor function is studied in this article. A measurement fusion method for the predictor function estimate is proposed. In the proposed scheme, observed data are first fused by using an optimal fusion technique, and then the optimal fused data are incorporated in a nonlinear function estimator based on a robust least squares support vector machine (LS-SVM). A cooperative learning algorithm is proposed to implement the proposed measurement fusion method. Compared with related identification methods, the proposed method can minimize both the approximation error and the noise error. The performance analysis shows that the proposed optimal measurement fusion function estimate has a smaller mean square error than the LS-SVM function estimate. Moreover, the proposed cooperative learning algorithm can converge globally to the optimal measurement fusion function estimate. Finally, the proposed measurement fusion method is applied to ARMA signal and spatial temporal signal modeling. Experimental results show that the proposed measurement fusion method can provide a more accurate model.     

A new smooth robust control design for uncertain nonlinear systems with non-vanishing disturbances

In this paper, we consider the control problem for a general class of nonlinear system subjected to uncertain dynamics and non-varnishing disturbances. A smooth nonlinear control algorithm is presented to tackle these uncertainties and disturbances. The proposed control design employs the integral of a nonlinear sigmoid function to compensate the uncertain dynamics, and achieve a uniformly semi-global practical asymptotic stable tracking control of the system outputs. A novel Lyapunov-based stability analysis is employed to prove the convergence of the tracking errors and the stability of the closed-loop system. Numerical simulation results on a two-link robot manipulator are presented to illustrate the performance of the proposed control algorithm comparing with the layer-boundary sliding mode controller and the robust of integration of sign of error control design. Furthermore, real-time experiment results for the attitude control of a quadrotor helicopter are also included to confirm the effectiveness of the proposed algorithm.