基于SVM和PSO的非線性模型預(yù)測控制及應(yīng)用研究.pdf

1、本項(xiàng)研究的主要目的是尋找一種應(yīng)用模型預(yù)測控制用于解決非線性系統(tǒng)的方法。同時，要求這種方法具有很高的運(yùn)算速度以便系統(tǒng)能夠?qū)崿F(xiàn)實(shí)時在線優(yōu)化；要求算法具有較高的魯棒性，能夠應(yīng)對模型參數(shù)的變化。除了給出了實(shí)時在線優(yōu)化算法的基本框架外，在優(yōu)化和閉環(huán)控制性能章節(jié)中還詳細(xì)的對比了非線性和線性模型的應(yīng)用區(qū)別。 新的非線性模型預(yù)測控制算法中采用支持向量機(jī)模型(Support Vector Machine（SVM）)，是因?yàn)楹蜕窠?jīng)網(wǎng)絡(luò)相比，支持向量

2、機(jī)具有更強(qiáng)的泛化能力；同時，由于支持向量機(jī)在訓(xùn)練過程中不依賴輸入向量的維數(shù)，因此能夠很好的避開維數(shù)災(zāi)難的問題。 粒子群優(yōu)化(Particle Swarm Optimization（PSO))算法在方法論上屬于兩類算法：人工生命和進(jìn)化計(jì)算。新的非線性模型預(yù)測控制算法中采用PSO算法來實(shí)時在線優(yōu)化算法。因?yàn)镻SO具有很簡單的概念，并且實(shí)現(xiàn)起來也很簡單，只需要一些簡單的運(yùn)算使得該算法具有運(yùn)算速度快、內(nèi)存占用量非常小以及操作參數(shù)少的優(yōu)點(diǎn)