基于约简SVM的预测控制优化与应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·预测控制简介 | 第10-12页 |
| ·预测控制理论产生及发展 | 第10-11页 |
| ·预测控制原理 | 第11-12页 |
| ·研究背景及选题意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·选题目的及意义 | 第13-14页 |
| ·论文的结构及主要内容 | 第14-16页 |
| 2 支持向量机 | 第16-30页 |
| ·支持向量机简介 | 第16-20页 |
| ·理论基础 | 第16-18页 |
| ·分类算法 | 第18-20页 |
| ·回归算法 | 第20-23页 |
| ·线性回归 | 第21页 |
| ·非线性回归 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·约简SVM算法 | 第23-25页 |
| ·分类问题 | 第24页 |
| ·回归问题 | 第24-25页 |
| ·约简算法数学仿真 | 第25-29页 |
| ·LibSVM工具包简介 | 第25-27页 |
| ·分类算法仿真 | 第27-28页 |
| ·回归算法仿真 | 第28-29页 |
| ·仿真结论及分析 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 粒子群算法 | 第30-37页 |
| ·粒子群算法简介 | 第30-33页 |
| ·算法原理 | 第30-31页 |
| ·算法流程及步骤 | 第31-33页 |
| ·PSO算法参数分析 | 第33页 |
| ·粒子早熟情况分析及解决方法 | 第33-36页 |
| ·算法早熟情况分析 | 第33-34页 |
| ·加入惯性权重和收缩因子的粒子群算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 约简SVM模型的GPC及优化 | 第37-51页 |
| ·约简SVM模型及参数优化 | 第37-44页 |
| ·约简SVM模型 | 第37-39页 |
| ·PSO算法优化SVM参数 | 第39-42页 |
| ·SVM模型的CARIMA形式 | 第42-43页 |
| ·在线SVM算法 | 第43-44页 |
| ·PSO滚动优化的GPC | 第44-48页 |
| ·Diophantine方程及递推算法 | 第44-45页 |
| ·PSO滚动优化 | 第45-48页 |
| ·算法流程及步骤 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 窑尾烟室温度模型的SVM预测控制 | 第51-63页 |
| ·控制对象介绍 | 第51-53页 |
| ·回转窑的发展与研究现状 | 第51-52页 |
| ·窑尾烟室温度分析 | 第52-53页 |
| ·窑尾烟室温度模型 | 第53-59页 |
| ·变量的选取及数据预处理 | 第53-54页 |
| ·SVM回归建模 | 第54-59页 |
| ·PSO优化及广义预测控制 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 6 结论及展望 | 第63-66页 |
| ·本文总结 | 第63-64页 |
| ·论文发展及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第71页 |
