本文關(guān)鍵詞：基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)及控制研究　出處：《河南師范大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 系統(tǒng)辨識(shí) 支持向量機(jī) 差分進(jìn)化 模糊邏輯 內(nèi)�？刂�

【摘要】：現(xiàn)實(shí)生活中大部分過(guò)程都是非線性的,傳統(tǒng)的線性辨識(shí)方法難以辨識(shí)非線性系統(tǒng),進(jìn)而難以實(shí)施有效內(nèi)模控制。針對(duì)上述問(wèn)題,本文設(shè)計(jì)了一種基于SVR的非線性系統(tǒng)辨識(shí)及控制策略,主要內(nèi)容如下:首先,對(duì)非線性系統(tǒng)辨識(shí)和控制進(jìn)行深入的分析研究,提出了使用SVR來(lái)進(jìn)行非線性系統(tǒng)辨識(shí)及控制研究。為了自動(dòng)獲取SVR的相關(guān)參數(shù),提出了基于模糊差分進(jìn)化(FDE)算法來(lái)自動(dòng)獲取SVR相關(guān)參數(shù)。其次,設(shè)計(jì)了基于FDE-SVR的非線性系統(tǒng)辨識(shí)方法。為了說(shuō)明FDE算法的優(yōu)越性,進(jìn)行兩次試驗(yàn):第一次,使用模糊差分進(jìn)化算法自動(dòng)獲取相關(guān)參數(shù),然后使用獲取到的參數(shù)進(jìn)行非線性系統(tǒng)辨識(shí);第二次,使用標(biāo)準(zhǔn)差分進(jìn)化算法自動(dòng)獲取相關(guān)參數(shù),然后用獲取到的參數(shù)進(jìn)行非線性系統(tǒng)辨識(shí)。實(shí)驗(yàn)結(jié)果表明:基于FDE-SVR的非線性系統(tǒng)辨識(shí)方法能夠提高辨識(shí)精度和辨識(shí)速度。最后,基于FDE-SVR實(shí)現(xiàn)對(duì)非線性系統(tǒng)內(nèi)�？刂�。首先,使用FDE-SVR辨識(shí)出內(nèi)�？刂浦械膬�(nèi)部模型M;然后,使用FDE-SVR辨識(shí)出內(nèi)模控制中的逆模型C;最后,把辨識(shí)得到的內(nèi)部模型M和逆模型C進(jìn)行組合,得到基于FDE-SVR內(nèi)�？刂葡到y(tǒng)。通過(guò)使用階躍信號(hào)、正弦信號(hào)、方波信號(hào)和鋸齒信號(hào)對(duì)基于FDE-SVR的內(nèi)�？刂葡到y(tǒng)進(jìn)行跟蹤檢驗(yàn),結(jié)果表明該控制系統(tǒng)能夠?qū)o定的輸入信號(hào)實(shí)現(xiàn)有效的跟蹤,且具有較強(qiáng)的魯棒性和抗干擾能力。
[Abstract]:In real life, most processes are nonlinear, the traditional linear identification method is difficult to identify nonlinear systems, and then implement effective internal model control. In this paper, a nonlinear system identification and control strategy based on SVR is designed. The main contents are as follows: firstly, the identification and control of nonlinear system are deeply studied. In order to obtain the relevant parameters of SVR automatically, a nonlinear system identification and control study based on SVR is proposed. A fuzzy differential evolution (FDE) algorithm is proposed to obtain SVR parameters automatically. Secondly. A nonlinear system identification method based on FDE-SVR is designed. In order to illustrate the superiority of FDE algorithm, two experiments are carried out: first, fuzzy differential evolution algorithm is used to automatically obtain the relevant parameters. Then the obtained parameters are used to identify the nonlinear system. The second time, the standard differential evolution algorithm is used to automatically obtain the relevant parameters. The experimental results show that the nonlinear system identification method based on FDE-SVR can improve the identification accuracy and speed. The internal model control of nonlinear system is realized based on FDE-SVR. Firstly, FDE-SVR is used to identify the internal model of internal model control. Then, the inverse model C in internal model control is identified by using FDE-SVR. Finally, the identified internal model M and inverse model C are combined to obtain the internal model control system based on FDE-SVR. The square wave signal and sawtooth signal are used to track and test the internal model control system based on FDE-SVR. The results show that the control system can effectively track the given input signal. And it has strong robustness and anti-interference ability.
【學(xué)位授予單位】：河南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;N945.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏志敏;趙志誠(chéng);;一種基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[J];太原科技大學(xué)學(xué)報(bào);2010年05期

2 朱全民;非線性系統(tǒng)辨識(shí)[J];控制理論與應(yīng)用;1994年06期

3 王秀峰;非線性系統(tǒng)辨識(shí)及其應(yīng)用[J];天津科技;1996年03期

4 王軍;彭宏;肖建;;尺度核支持向量回歸的非線性系統(tǒng)辨識(shí)[J];系統(tǒng)仿真學(xué)報(bào);2006年09期

5 尹輝，，黃正良;一類結(jié)構(gòu)已知的非線性系統(tǒng)辨識(shí)[J];西南工學(xué)院學(xué)報(bào);1995年01期

6 李ng,韓崇昭,吳艷萍;一類非線性系統(tǒng)辨識(shí)的參數(shù)空間優(yōu)化遺傳算法[J];控制與決策;2001年06期

7 張明光;閻威武;李戰(zhàn)明;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)研究[J];計(jì)算機(jī)應(yīng)用研究;2006年05期

8 戴運(yùn)桃;趙希人;劉利強(qiáng);;基于進(jìn)化粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)[J];計(jì)算機(jī)仿真;2010年10期

9 李秀英;韓志剛;;一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)方法[J];控制與決策;2011年11期

10 夏圈世,俞金壽,蔣慰孫;非線性系統(tǒng)辨識(shí)的遞推-迭代方法[J];華東化工學(xué)院學(xué)報(bào);1987年04期

相關(guān)會(huì)議論文 前5條

1 陳大慶;楊軍;周鳳歧;;基于神經(jīng)元網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1991年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1991年

2 呂強(qiáng);郝繼紅;段運(yùn)波;許耀銘;;利用動(dòng)態(tài)RBF網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

3 榮海娜;張葛祥;張翠芳;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[A];中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)儀器儀表學(xué)會(huì)2004年西南三省一市自動(dòng)化與儀器儀表學(xué)術(shù)年會(huì)論文集[C];2004年

4 郝萬(wàn)君;喬焰輝;強(qiáng)文義;;基于自適應(yīng)競(jìng)爭(zhēng)聚類和OLS算法的非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

5 張濤;謝林柏;丁鋒;;輸出信號(hào)量化的雙率采樣Hammerstein非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 高學(xué)輝;遲滯Hammerstein非線性系統(tǒng)辨識(shí)與控制[D];北京理工大學(xué);2016年

2 朱耀春;基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué)（北京）;2008年

3 施建中;基于模糊聚類的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 謝倩雯;改進(jìn)的極限學(xué)習(xí)機(jī)在辨識(shí)及分類中的應(yīng)用[D];北京化工大學(xué);2016年

2 張帥;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)及控制研究[D];河南師范大學(xué);2016年

3 薛瑞靜;非線性系統(tǒng)辨識(shí)在人體動(dòng)態(tài)平衡建模中的應(yīng)用[D];河北大學(xué);2015年

4 杜寶慶;延遲系統(tǒng)控制及非線性系統(tǒng)辨識(shí)與仿真[D];曲阜師范大學(xué);2007年

5 田宏潔;基于粒子群方法的非線性系統(tǒng)辨識(shí)問(wèn)題研究[D];西安電子科技大學(xué);2011年

6 孫建良;Hammerstein模型非線性系統(tǒng)辨識(shí)算法研究[D];浙江大學(xué);2013年

7 鄧楊;基于參數(shù)化時(shí)頻分析的非線性系統(tǒng)辨識(shí)[D];上海交通大學(xué);2014年

8 范偉;一類維納非線性系統(tǒng)辨識(shí)（Ⅰ）[D];江南大學(xué);2008年

9 楊韜;基于改進(jìn)人工蜂群算法的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)研究[D];西南交通大學(xué);2013年

10 張園園;基于聚類分析和LSSVM的非線性系統(tǒng)辨識(shí)[D];河南師范大學(xué);2014年

本文編號(hào)：1387478