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

  更多相關文章： 系統(tǒng)辨識 支持向量機 差分進化 模糊邏輯 內�？刂�

【摘要】：現(xiàn)實生活中大部分過程都是非線性的,傳統(tǒng)的線性辨識方法難以辨識非線性系統(tǒng),進而難以實施有效內模控制。針對上述問題,本文設計了一種基于SVR的非線性系統(tǒng)辨識及控制策略,主要內容如下:首先,對非線性系統(tǒng)辨識和控制進行深入的分析研究,提出了使用SVR來進行非線性系統(tǒng)辨識及控制研究。為了自動獲取SVR的相關參數(shù),提出了基于模糊差分進化(FDE)算法來自動獲取SVR相關參數(shù)。其次,設計了基于FDE-SVR的非線性系統(tǒng)辨識方法。為了說明FDE算法的優(yōu)越性,進行兩次試驗:第一次,使用模糊差分進化算法自動獲取相關參數(shù),然后使用獲取到的參數(shù)進行非線性系統(tǒng)辨識;第二次,使用標準差分進化算法自動獲取相關參數(shù),然后用獲取到的參數(shù)進行非線性系統(tǒng)辨識。實驗結果表明:基于FDE-SVR的非線性系統(tǒng)辨識方法能夠提高辨識精度和辨識速度。最后,基于FDE-SVR實現(xiàn)對非線性系統(tǒng)內�？刂啤Ｊ紫�,使用FDE-SVR辨識出內�？刂浦械膬炔磕Ｐ蚆;然后,使用FDE-SVR辨識出內�？刂浦械哪婺Ｐ虲;最后,把辨識得到的內部模型M和逆模型C進行組合,得到基于FDE-SVR內模控制系統(tǒng)。通過使用階躍信號、正弦信號、方波信號和鋸齒信號對基于FDE-SVR的內�？刂葡到y(tǒng)進行跟蹤檢驗,結果表明該控制系統(tǒng)能夠對給定的輸入信號實現(xiàn)有效的跟蹤,且具有較強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.
【學位授予單位】：河南師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;N945.14

【相似文獻】

相關期刊論文 前10條

1 夏志敏;趙志誠;;一種基于支持向量機的非線性系統(tǒng)辨識方法[J];太原科技大學學報;2010年05期

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

3 王秀峰;非線性系統(tǒng)辨識及其應用[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[J];系統(tǒng)仿真學報;2006年09期

5 尹輝，，黃正良;一類結構已知的非線性系統(tǒng)辨識[J];西南工學院學報;1995年01期

6 李ng,韓崇昭,吳艷萍;一類非線性系統(tǒng)辨識的參數(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;;基于支持向量機的非線性系統(tǒng)辨識研究[J];計算機應用研究;2006年05期

8 戴運桃;趙希人;劉利強;;基于進化粒子群優(yōu)化的非線性系統(tǒng)辨識[J];計算機仿真;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)辨識的遞推-迭代方法[J];華東化工學院學報;1987年04期

相關會議論文 前5條

1 陳大慶;楊軍;周鳳歧;;基于神經元網絡的非線性系統(tǒng)辨識[A];1991年控制理論及其應用年會論文集（上）[C];1991年

2 呂強;郝繼紅;段運波;許耀銘;;利用動態(tài)RBF網絡的非線性系統(tǒng)辨識[A];1994中國控制與決策學術年會論文集[C];1994年

3 榮海娜;張葛祥;張翠芳;;基于支持向量機的非線性系統(tǒng)辨識方法[A];中國自動化學會、中國儀器儀表學會2004年西南三省一市自動化與儀器儀表學術年會論文集[C];2004年

4 郝萬君;喬焰輝;強文義;;基于自適應競爭聚類和OLS算法的非線性系統(tǒng)辨識[A];2009中國控制與決策會議論文集（1）[C];2009年

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

相關博士學位論文 前3條

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

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

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

相關碩士學位論文 前10條

1 謝倩雯;改進的極限學習機在辨識及分類中的應用[D];北京化工大學;2016年

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

3 薛瑞靜;非線性系統(tǒng)辨識在人體動態(tài)平衡建模中的應用[D];河北大學;2015年

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

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

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

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

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

9 楊韜;基于改進人工蜂群算法的神經網絡非線性系統(tǒng)辨識研究[D];西南交通大學;2013年

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

本文編號：1387478