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．     

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.     

基于逆系统方法的非线性二自由度内模控制

针对一类非线性连续系统,提出一种基于逆系统方法的二自由度内模控制设计方法.首先根据原系统设计阶积分逆系统,然后针对复合后的伪线性系统设计基于逆系统方法的2-DOF内模控制器.由于采用了二自由度控制器,使系统设定值响应同干扰响应分离,得以分别设计控制器.理论分析和仿真结果证明了文中提出的方法控制性能好,精度高,且控制器设计简单,使系统同时具有良好的跟踪性和鲁棒性.     

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．     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型（Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM）.首先支持向量机（Support Vector Machine,SVM）参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化（Particle SwarmOptimization,PSO）算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

基于矩阵测度的含有非线性电阻的动态电路唯一稳态研究

以矩阵测度为工具，得到了确定含有非线性电阻的动态电路唯一稳态的条件。结果表明，含有非线性电阻的动态电路的唯一稳态，可以用一个矩阵测度决定，由于目前已有的经典结果只有处理含有线性电阻的动态电路的唯一稳态，因此扩展了已有的经典结果。     

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。     

基于预测控制的动态配料系统非线性误差研究

对混凝土搅拌站动态配料系统的非线性误差的控制过程进行了分析,在系统动态称重配料过程的误差控制中引入预测控制算法.通过多次调试修改,该系统的配料精度和速度都达到要求,整个系统的效率也得到了提高.Matlab仿真表明:预测控制是对操作员经验的模拟,在模型匹配时性能良好,表现出鲁棒性强、超调量小的特点,便于在工业控制领域推广应用.     

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。     

Inverse Learning Control of Nonlinear Systems Using Support Vector Machines

An inverse learning control scheme using the support vector machine (SVM) for regression was proposed. The inverse learning approach is originally researched in the neural networks. Compared with neural networks, SVMs overcome the problems of local minimum and curse of dimensionality. Additionally, the good generalization performance of SVMs increases the robustness of control system. The method of designing SVM inverse learning controller was presented. The proposed method is demonstrated on tracking problems and the performance is satisfactory.     

一种新型的动态矩阵控制算法

对无约束动态矩阵控制（ＤＭＣ）算法进行了改进，提出了一种新的ＤＭＣ控制算法，即用遗传算法对ＤＭＣ的设计参数进行在线寻优，由优化结果来计算实际控制作用，与一般的定参数ＤＭＣ相比，其闭环性能更好，能有效地处理各种约束。仿真实例表明了该方法的有效。     

基于LS-SVM的基坑周边地表沉降预测模型

针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,以已有的周边地表沉降为样本,利用最小二乘支持向量机（LS—SVM）建立基坑地表沉降预测模型,应用网格搜索算法优化模型参数,时基坑周边地表沉降进行连续滚动的多步预测。实例分析结果表明,LS—SVM用于基坑周边地表沉降预测效果较好,具有所需数据少、推广能力强等优点。     

The Application of Ridge Regression in Dynamic Balancing of Flexible Rotors Based on Influence Coefficient Method

Introduction The influence coefficient method applied in thedynamic balancing of rotors is based on the experi-ence that the rotor's vibration amplitude is propor-tional to the unbalancing masses of the rotor with-in the range of practical interest under the assump-tion of linearity of both the machine and measuringsystem.According to the influence coefficient con-ception in mechanics,the influence coefficient ismeasured at a specific location,unite trial weightplaced in some known position in…     

基于模糊神经网络的非线性动态系统建模

根据在柴油机试验中得到的输入和输出数据,利用一种模糊神经网络--自适应神经模糊推理系统(ANFIS)建立了描述柴油机动态性能的T-S模糊模型.利用Matlab的模糊工具箱进行仿真,结果表明,该模型可以准确地描述柴油机在整个工作范围内的动态性能.并将ANFIS与BP神经网络做了比较,分析了ANFIS在参数收敛速度及建模精度上的优越性.该模型将被用于柴油机控制系统的性能分析和控制方案设计中.     

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.     

船舶航向非线性系统的动态面控制

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种航向控制器。由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单,所设计的控制器能够保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹。数字仿真结果表明,控制系统对给定航向的跟踪具有良好的动态特性,对系统的不确定性,具有较强的鲁棒性。     

基于MATLAB的矩阵变换器空间矢量调制策略仿真

首先简述了交一交矩阵变换器的工作原理及调制策略,然后分析了空间矢量调制策略的算法实现,着重讨论了矩阵变换器的建模与仿真．在此基础上建立了基于MATLAB的矩阵变换器仿真模型,并给出了仿真波形．仿真结果验证了模型及控制策略的正确性．