基于支持向量機的遲滯系統(tǒng)建模和控制.pdf

1、支持向量機是一種基于統(tǒng)計學習理論的新型機器學習方法，它可以被廣泛地用于非線性系統(tǒng)建模。它是統(tǒng)計學習理論中結構風險最小化思想的體現(xiàn)，基本思想是通過非線性變換將輸入空間映射到一個高維空間，然后在這個高維空間中求取最優(yōu)分類超平面或進行函數擬合。支持向量機在解決小樣本、非線性及高維分類識別問題和函數擬合等問題中有著獨特的優(yōu)勢。 遲滯現(xiàn)象廣泛地存在于執(zhí)行器和傳感器中。遲滯現(xiàn)象的存在會極大地影響系統(tǒng)的穩(wěn)定性和控制的精確性。我們提出了使用支持

2、向量機作為遲滯非線性建模和控制工具的具體算法，來分析和精確控制遲滯系統(tǒng)。 在本篇文章中，我們列舉了多種遲滯系統(tǒng)建模方法，從中選擇了Preisach模型作為仿真對象。我們提出了一種基于支持向量機的遲滯模型建模方法并對其算法進行了改進。在Matlab中對改進的遲滯模型建模算法進行了仿真驗證，并同BP神經網絡算法的建模結果進行了對比。 我們提出了使用支持向量機對遲滯系統(tǒng)進行逆模型建模的方法，并對遲滯系統(tǒng)逆模型進行了建模。最后我