基于支持向量机的滑模控制方法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究的目的及意义 | 第8页 |
| ·滑模控制简介 | 第8-10页 |
| ·滑模控制的基本概念 | 第9-10页 |
| ·滑模的存在和到达条件 | 第10页 |
| ·滑模控制存在的问题 | 第10-11页 |
| ·离散滑模控制的发展现状 | 第11-15页 |
| ·本文的主要内容 | 第15-16页 |
| 第二章 支持向量机 | 第16-26页 |
| ·统计学习理论概述 | 第16-20页 |
| ·机器学习理论 | 第17页 |
| ·经验风险最小化准则 | 第17-18页 |
| ·统计学习理论 | 第18-20页 |
| ·回归型支持向量机 | 第20-24页 |
| ·线性回归支持向量机 | 第20-22页 |
| ·非线性回归型支持向量机与核方法 | 第22-24页 |
| ·小结 | 第24-26页 |
| 第三章 基于微粒群算法和支持向量机的滑模控制 | 第26-38页 |
| ·引言 | 第26页 |
| ·微粒群算法原理 | 第26-29页 |
| ·微粒群算法流程 | 第27页 |
| ·微粒群算法与遗传算法比较 | 第27-29页 |
| ·问题描述 | 第29-30页 |
| ·基于支持向量机的滑模控制器设计 | 第30-31页 |
| ·支持向量机模型 | 第30-31页 |
| ·微粒群算法寻优 | 第31页 |
| ·仿真研究 | 第31-36页 |
| ·固定参数滑模控制仿真 | 第31-32页 |
| ·基于GA-SVM 的滑模控制仿真 | 第32-34页 |
| ·基于PSO-SVM 滑模控制仿真 | 第34-36页 |
| ·小结 | 第36-38页 |
| 第四章 基于支持向量机的全程滑模控制 | 第38-46页 |
| ·引言 | 第38页 |
| ·全程滑模控制原理 | 第38-39页 |
| ·构造切换函数 | 第38-39页 |
| ·全程滑模控制律设计 | 第39页 |
| ·基于支持向量机的全程滑模控制器设计 | 第39-40页 |
| ·支持向量机模型 | 第39-40页 |
| ·微粒群算法寻优 | 第40页 |
| ·仿真研究 | 第40-44页 |
| ·常规滑模控制器仿真 | 第40-41页 |
| ·基于PSO-SVM 全程滑模控制仿真 | 第41-43页 |
| ·加入干扰条件下的鲁棒性 | 第43-44页 |
| ·小结 | 第44-46页 |
| 第五章 不确定系统的支持向量机滑模控制 | 第46-55页 |
| ·引言 | 第46-47页 |
| ·系统描述 | 第47页 |
| ·不确定系统的支持向量机滑模控制器设计 | 第47-51页 |
| ·滑模控制器设计 | 第47-48页 |
| ·基于SVM 的上界自学习 | 第48-51页 |
| ·仿真研究 | 第51-54页 |
| ·小结 | 第54-55页 |
| 结论与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65-66页 |
