基于在线LS-SVM的α阶逆控制

提出基于最小二乘支持向量机在线算法的α阶逆控制方法．引入系统控制误差不敏感函数,在控制误差大于不敏感函数时,利用增量一剪枝学习算法,对已建立的离线逆控制器实施在线学习,以增强控制系统的鲁棒性．仿真结果表明：在系统没有受到噪声干扰时,在线逆控制器可以很好地使被控对象跟踪参考输入信号;在系统受到噪声干扰时,在线逆控制器比离线逆控制器具有更强的鲁棒性．     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

基于最小二乘支持向量机阀控式铅酸蓄电池寿命预测

提出了一种新的电池寿命预测模型,即基于最小二乘支持向量机的电池寿命预测.首先阐述了最小二乘支持向量机的主要思想和基本算法,然后建立寿命预测模型,并利用此预测模型对实验数据进行了比较验证.验证结果表明,该模型在阀控式铅酸蓄电池寿命预测中具有很好的实用性,预测值与实测值能够保持很好的一致性.因此,基于最小二乘支持向量机的阀控式铅酸蓄电池寿命预测方法是切实可行的.     

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．     

多核SVM对传感器动态建模的研究

针对传感器的动态特性,提出了一种基于多核最小二乘支持向量机对传感器进行动态建模的方法.通过不同核函数的线性加权组合构造新的等价核,由于构造的等价核函数兼具了全局核函数和局部核函数的优点,从而降低了建模精度对核函数及其参数的依赖性.在理论上详细介绍了多核最小二乘支持向量机回归参数和模型输出值的求解方法.通过仿真实验验证了该方法的可行性.将该方法与标准的最小二乘支持向量机方法进行比较,证明了该方法在一定噪声存在的情况下,具有良好的抗噪性和较高的建模精度.     

基于多核最小二乘支持向量机的短期公交客流预测

公交客流是公交规划和运营调度的基础。针对短期公交客流的非线性、随机性和复杂性及支持向量机单核核函数自适应能力较弱的特点,提出一种基于多核最小二乘支持向量机的公交客流预测方法。该方法既考虑到了公交客流的历史数据规律,又顾及到短期公交客流的时变特性,充分利用了相关参数的知识信息。为了保证模型的自适应能力和提高模型的泛化能力,作者提出了综合评价指标,并采用改进遗传算法实现向量机参数优化。最后,结合LS．SVM工具箱,在MATLAB平台上实现长春市短期公交客流的预测。预测结果表明,提出的多核预测方法具有较高的准确性、较强的鲁棒性和自适应能力,在公交客流预测中有具有较好的应用价值。     

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

一种基于LS-SVM的道岔控制电路故障诊断

针对最小二乘支持向量机最优参数难以寻找的问题,提出了用ARPSO算法优化最小二乘支持向量机可调参数的方法,并将该方法应用于道岔控制电路的故障诊断中.ARPSO算法在保证种群多样性的同时,避免了基本PSO算法过早收敛的问题,能更高的提高算法效率.仿真证明ARPSO算法比基本PSO算法具有更高的收敛速度和效率,基于ARPSO最小二乘支持向量机的分类方法比最小二乘支持向量机分类方法具有更高的分类准确度.     

基于最小二乘支持向量机的乐器音乐分类

提出使用最小二乘支持向量机LS—SVM（Least Squares Support Vector Machines）算法进行乐器音乐分类,从而实现乐器的辩识。在对Ls—sVM理论进行深入探讨的基础上,选择乐器音乐clip作为样本,进行特征提取,提取的特征包括频谱特征,短时自相关系数和MFCC等,然后用最小二乘支持向量机算法进行分类。对古琴、古筝、箜篌和琵琶音乐采取样本进行仿真实验,求得分类准确率和运行时间,同时使用逻辑回归（Logistic Regression）算法进行对比试验,其中最小二乘支持向量机和逻辑回归分类的准确率分别为96．5％和92．5％,且LS—SVM的运行时间比Logist的少。实验结果表明最小二乘支持向量机具有更为优越的分类性能和非线性处理能力,可以推广用于解决其它实际分类问题。     

基于双线性系统理论的PWM整流器非线性控制

根据双线性系统理论,建立了三相电压型PWM整流器的双线性系统模型,并通过对系统模型的分析与等效控制输入的选择,将该模型转化为精确的线性模型．在三相静止坐标系下,设计了双闭环控制系统,外环为非线性PI控制,内环为通过求解伪逆矩阵设计的状态反馈控制．实物实验结果表明,控制系统具有良好的稳态和动态性能．     

PSO优化的LS-SVM在列车弓网系统的建模研究

提出基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)的列车弓网系统建模方法。针对LS-SVM的超参数难以选择的问题,提出采用具有全局搜索性能的PSO优化LS-SVM超参数的方法。在建立弓网子系统模型的基础上,得到了弓网系统的整体动力学方程。最后进行弓网系统的仿真实验,结果表明,所提出的PSO优化LS-SVM模型比LS-SVM模型、子空间模型具有更高的预报精度,所提出的方法用于列车弓网系统的建模是有效的。     

航空公司动态价格竞争复杂性与延迟反馈控制

为深入研究航空公司动态价格竞争的复杂性及延迟反馈控制方法的有效性, 综合运用有限理性决策理论与非线性动力学理论,构建航空公司动态价格竞争博弈模 型,分析航空公司复杂的动力学行为,研究针对系统变量、系统参数的两类延迟反馈控制 方法的有效性与差异性.研究结果表明,航空公司价格调整速度对模型的复杂性有显著影 响;选取合适的控制因子,两类延迟反馈控制方法都能对陷入混沌的动态价格竞争模型 实施有效地混沌控制;两类延迟反馈控制方法在控制因子取值范围、收敛速度等方面存 有显著差异;控制因子取值对系统的收敛速度呈规律性影响趋势.     

基于传递矩阵法的车辆振动特性分析

针对车辆系统的振动特性,建立一种柔性车体动力学模型,根据车辆结构的局部相似性,将车辆系统划分为多个子结构,利用拉普拉斯变换推演了子系统的传递矩阵,并且将其应用于整个车辆系统.应用传递矩阵比较分析了车辆系统的振动模态和简谐激励响应,结合拉普拉斯逆变换分析了轨道不平顺度引起的时域随机振动响应.结果表明,传递矩阵法分析车辆系统动态特性具有较好的精确性,车体加速度随车辆运行速度增加而增大;而且传递矩阵法有利于简化模型,减少计算量.     

ģ������ӦPID����������ABS�еķ����о�

无论是经典还是现代控制理论,大多是建立在线性系统基础上,目前对非线性系统还没有比较成熟的理论.常规PID控制在对象变化时,控制器的参数不能自动修改适应.将模糊控制与PID控制相结合,利用模糊推理方法实现对PID参数的在线自整定,设计了一种模糊自适应PID控制器.在分析汽车模型的基础上,采用PID控制、模糊自适应PID控制两种方法,联合Simulink软件分别对汽车的防抱死制动系统（ABS）进行刹车运动仿真研究,极大地提高了模糊控制方法和PID控制算法的应用性能.结果表明,模糊自适应PID控制方法可以达到更好的制动效果,提高了系统的动态性能和安全性能.     

THE PARALLEL RECURSIVE AP ADAPTIVE ALGORITHM BASED ON VOLTERRA SERIES

Aiming at the nonlinear system identification problem, a parallel recursive affine projection （AP） adaptive algorithm for the nonlinear system based on Volterra series is presented in this paper. The algorithm identifies in parallel the Volterra kernel of each order, recursively estimate the inverse of the autocorrelation matrix for the Volterra input of each order, and remarkably improve the convergence speed of the identification process compared with the NLMS and conventional AP adaptive algorithm based on Volterra ,series. Simulation results indicate that the proposed method in this paper is efficient.     

Nonlinear inverse modeling of sensor based on back-propagation fuzzy logical system

Objective To correct the nonlinear error of sensor output, a new approach to sensor inverse inodeling based on Back-Propagation Fuzzy Logical System （BP FS） is presented. Methods The BP FS is a computationaiiy efficient nonlinear universal approximator, which is capable of implementing complex nonlinear mapping from its input pattern space to the output with fast convergence speed. Results The neuro-fuzzy hybrid system, i.e. BP FS, is then applied to construct nonlinear inverse model of pressure sensor. The experimental results show that the proposed inverse modeling method automatically compensates the associated nonlinear error in pressure estimation, and thus the performance of pressure sensor is significantly improved. Conclusion The proposed method can be widely used in r nonlinearity correction of various kinds of sensors to compensate the effects of nonlinearity and temperature on sensor output.     

直驱永磁风电系统PWM变流器的非线性控制研究

为分析直驱永磁风电系统在小扰动下的稳态性能和动态特性,建立了以PWM变流器为控制目标的数学模型,通过对PWM导通情况的调节来实现对直驱永磁风电系统输出的控制,设计了非线性控制策略。Matlab/Simulink 的仿真结果表明该控制策略能增强系统的稳定性控制性能,保证系统在较大的风速变化范围内实现功率地有效调节,并能较好的实现风电系统在小扰动状况下的稳定。     

随机结构参数车辆在随机激励下的振动响应

为分析随机结构参数对车辆系统随机振动响应的影响,通过1/4车辆模型,研究了具有随机结构参数的非线性车辆系统在随机过程激励下的振动响应.将簧上质量、簧下质量、悬挂阻尼、悬挂刚度以及轮胎刚度均视为随机变量,考虑轮胎与车身之间弹簧的非线性,将路面不平整引起的对车辆的激励作为平稳白噪声过程建立系统的动力性方程,采用能量差法对非线性车辆系统进行等效线性化处理;通过求解李雅普诺夫方程,获得平稳随机振动响应协方差矩阵,并通过多次迭代求得稳定的等效线性车辆系统参数.算例计算结果表明:能量差法计算位移的相对误差为6.841 5%,而方程差法的相对误差为8.150 5%;用此方法计算随机响应的方差值仅用了0.8 s,而用Monte Carlo法模拟1 000次耗时70 min.      

Nonlinear control for autonomous underwater glider motion based on inverse system method

Autonomous underwater gliders are highly efficient, buoyancy-driven, winged autonomous underwater vehicles. Their dynamics are multivariable nonlinear systems. In addition, the gliders are underactuated and difficult to maneuver, and also dependent on their operational environment. To confront these problems and to design an effective controller, the inverse system method was used to decouple the original system into two independent single variable linear subsystems. The stability of the zero dynamics was analyzed, and an additional closed-loop controller for each linear subsystem was designed by sliding mode control method to form a type of composite controller. Simulation results demonstrate that the derived nonlinear controller is able to cope with the aforementioned problems simultaneously and satisfactorily.