基于數(shù)據(jù)的非線性系統(tǒng)近似解與最優(yōu)跟隨控制.pdf_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、由于工業(yè)過程的高度非線性和復雜性,非線性系統(tǒng)最優(yōu)跟隨控制的研究一直是控制領域的熱點。本文借鑒大數(shù)據(jù)時代從數(shù)據(jù)角度考慮問題的思想,從研究現(xiàn)有數(shù)據(jù)驅(qū)動控制的方法著手,以支持向量機(SVMs)為方法,建立了基于最小二乘支持向量機(LS-SVMs)的一類非線性系統(tǒng)的最優(yōu)跟隨數(shù)據(jù)驅(qū)動控制的方法。
  本文研究了針對仿射非線性系統(tǒng)的近似解問題,采用LS-SVMs在給定系統(tǒng)若干狀態(tài)觀測點的條件下解決的方法。首先,通過LS-SVMs將非線性系統(tǒng)已

2、知部分轉(zhuǎn)換到高維特征空間并表示成一系列具有LS-SVMs結構的線性方程組的形式;同時給出系統(tǒng)近似解的 LS-SVMs固定結構形式,以此將原問題轉(zhuǎn)化為LS-SVMs框架的優(yōu)化問題,得到系統(tǒng)的連續(xù)可微閉式近似解。其次,利用非線性系統(tǒng)的未知部分與已知部分和近似解的偏導數(shù)之間的關系辨識出未知部分。本文成功解決了針對既從數(shù)學的角度求解常微分的連續(xù)近似解又從系統(tǒng)的角度解決系統(tǒng)本身的辨識這一復合問題。
  本文研究了利用LS-SVMs解決一類非

3、線性系統(tǒng)最優(yōu)跟隨控制問題。該研究運用兩個LS-SVMs先后解決最優(yōu)跟隨軌跡規(guī)劃和最優(yōu)跟隨控制器設計問題。首先在第一個LS-SVMs框架下規(guī)劃出顯式、連續(xù)和可微的最優(yōu)跟隨軌跡曲線;為了避免最優(yōu)跟隨軌跡震蕩劇烈,在LS-SVMs的復雜度和跟隨誤差之間引入了權函數(shù)。其次,在第二個由非線性系統(tǒng)和最優(yōu)跟隨軌跡曲線的若干離散點構成的LS-SVMs框架下設計顯式、連續(xù)和可微的最優(yōu)跟隨控制器。
  置身大數(shù)據(jù)時代,本文從數(shù)據(jù)的角度研究了一類非線性

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論