基于支持向量机的非线性系统辨识及控制研究
摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 课题研究的目的和意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 非线性系统辨识国内外研究现状 | 第9-11页 |
1.2.2 非线性系统控制国内外研究现状 | 第11-12页 |
1.3 本论文主要研究内容与各个章节的安排 | 第12-14页 |
第二章 统计学习理论和支持向量机算法的研究 | 第14-22页 |
2.1 统计学习理论 | 第14-17页 |
2.1.1 VC维 | 第14-15页 |
2.1.2 损失函数和风险函数 | 第15-16页 |
2.1.3 结构风险最小化的原则和经验风险 | 第16-17页 |
2.2 支持向量机 | 第17-21页 |
2.2.1 支持向量机基本原理 | 第17页 |
2.2.2 支持向量回归机基本原理 | 第17-20页 |
2.2.3 SVR参数简介 | 第20-21页 |
2.3 本章小结 | 第21-22页 |
第三章 基于FDE-SVR的非线性系统辨识 | 第22-36页 |
3.1 非线性系统辨识简介 | 第22-25页 |
3.1.1 系统辨识的基本内容 | 第22-23页 |
3.1.2 非线性系统常用辨识原理 | 第23-24页 |
3.1.3 非线性系统辨识的分类 | 第24-25页 |
3.2 基于FDE-SVR非线性系统辨识 | 第25-31页 |
3.2.1 模糊差分进化算法 | 第25-30页 |
3.2.2 FDE-SVR的参数选择 | 第30-31页 |
3.3 仿真实验结果及分析 | 第31-35页 |
3.4 本章小结 | 第35-36页 |
第四章 基于FDE-SVR的非线性系统内模控制 | 第36-52页 |
4.1 基于SVR的内模控制基本原理 | 第36-39页 |
4.1.1 基于SVR的内模控制系统的总体结构 | 第36-38页 |
4.1.2 基于SVR内部模型控制器M结构 | 第38页 |
4.1.3 基于SVR逆模型控制器C结构 | 第38-39页 |
4.2 基于FDE-SVR的内模控制算法 | 第39-42页 |
4.2.1 内部模型M的辨识建模阶段 | 第39-40页 |
4.2.2 逆模型C的辨识建模阶段 | 第40-41页 |
4.2.3 内模控制阶段 | 第41-42页 |
4.3 仿真研究 | 第42-51页 |
4.3.1 内部模型的辨识建立 | 第42-43页 |
4.3.2 内部模型的辨识校验 | 第43-44页 |
4.3.3 逆模型的辨识建立 | 第44-46页 |
4.3.4 逆模型的辨识校验 | 第46-47页 |
4.3.5 内模控制系统模型的跟踪控制 | 第47-51页 |
4.4 本章小结 | 第51-52页 |
第五章 总结与展望 | 第52-54页 |
5.1 总结 | 第52-53页 |
5.2 工作展望 | 第53-54页 |
参考文献 | 第54-56页 |
致谢 | 第56-58页 |
攻读硕士期间发表论文和参与科研项目 | 第58-59页 |