排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
最小二乘支持向量机（least square support vector machines,LS—SVM）是一种基于结构风险最小化的机器学习方法,能逼近任意非线性函数,具有无局部极小等优点。利用其构造异步电机这一多变量、强耦合系统的逆系统,将转子磁链与转速解耦成两个独立的伪线性子系统,并设计了相应的闭环控制器。仿真结果表明,该逆系统能有效地实现电机转速与磁链的动态解耦。通过合理地选择控制器参数,整个控制系统对负载扰动有较强的鲁棒性。 相似文献
2.
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． 相似文献
1