基于支持向量機的船舶發(fā)電機建模的研究.pdf

1、同步發(fā)電機建模是研究發(fā)電機特性的重要方法，也是進行仿真、優(yōu)化以及控制的基礎。通常，采用一定的假設和簡化，得出一系列數(shù)學微分方程來描述，也就是采用機理建模。但當影響因素繁多，且呈現(xiàn)高度非線性，機理模型復雜時，這時也采用經(jīng)驗建模方法。人工神經(jīng)網(wǎng)絡是一種處理非線性問題的良好經(jīng)驗建模方法，已被應用在不少問題中，但是由于其理論基于經(jīng)驗風險最小化原則，難免會出現(xiàn)過擬合及局部最小等問題?；诮y(tǒng)計學習理論的支持向量機遵循結構風險最小化原則，克服了神經(jīng)網(wǎng)

2、絡等方法的固有不足，大大提高了模型的泛化能力。 支持向量機回歸是統(tǒng)計學習理論的重要內容，支持向量機回歸具有很好的時間序列建模特性，采用支持向量機回歸進行非線性系統(tǒng)建模的研究是最近幾年以來產(chǎn)生的一個研究熱點。這種建模方法不僅模型簡單，有完備的理論支持，更重要的是提供了一種實現(xiàn)復雜的非線性系統(tǒng)的建模的新方法，拓寬了系統(tǒng)建模的研究領域。 本文首先系統(tǒng)的研究了統(tǒng)計學習理論和支持向量機的理論基礎和常用的算法。然后在此基礎上研究了支

3、持向量機建模的方法，對這些建模原理與方法進行了深入細致地分析。通過函數(shù)逼近和系統(tǒng)建模等對支持向量機的性能進行了仿真研究。其理論結果被應用在船舶發(fā)電機的建模上。建立了基于支持向量機的船舶發(fā)電機模型，并與傳統(tǒng)的人工神經(jīng)網(wǎng)絡方法做了比較，實驗結果表明，支持向量機方法是一種可行的建模方法。 鑒于支持向量機的優(yōu)良特性，在上海市教委科研重點項目(04IK02)“船舶電力系統(tǒng)建模、控制與仿真研究”的支持下，本文對基于支持向量機的船舶同步發(fā)電機