首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

支持向量机在智能建模和模型预测控制中的应用

摘要第1-6页
Abstract第6-9页
致谢第9-10页
目录第10-14页
第一章 绪论第14-40页
   ·统计学习理论和支持向量机概述第14-21页
     ·统计学习理论的核心内容第14-17页
     ·支持向量机第17-21页
       ·支持向量机分类第17-19页
       ·支持向量机拟合第19-21页
       ·核函数第21页
   ·模型预测控制概述第21-32页
     ·MPC发展历史第22-23页
     ·MPC基本原理第23-25页
     ·MPC的稳定性、鲁棒性和可行性第25-29页
     ·MPC建模方法第29-32页
   ·支持向量机在智能建模和模型预测控制中的应用研究现状第32-36页
     ·支持向量机在智能建模中的应用研究现状第32-34页
     ·支持向量机在模型预测控制中的应用研究现状第34-36页
   ·自组织映射概述第36-37页
   ·本文主要内容第37-40页
第二章 MIMO系统基于SVM的提前一步非线性模型预测控制第40-52页
   ·引言第40-41页
   ·MIMO系统基于SVM的提前一步NMPC算法第41-47页
     ·非线性MIMO系统基于SVM的建模第42-44页
     ·优化MPC目标函数第44-47页
     ·控制算法步骤第47页
   ·仿真结果与讨论第47-51页
   ·结论第51-52页
第三章 MIMO系统基于并行SVMs的提前多步非线性模型预测控制第52-70页
   ·引言第52-53页
   ·MIMO系统基于并行SVMs的提前多步NMPC算法第53-61页
     ·非线性MIMO系统基于SVM的提前多步预测模型第54-56页
     ·优化MPC目标函数第56-60页
     ·控制算法步骤第60-61页
   ·仿真结果与讨论第61-68页
     ·算法SVMs-NMPC与NNs-NMPC和IM-NMPC比较第63页
     ·MPC参数H_p和H_u的选取第63-68页
   ·结论第68-70页
第四章 基于SVM的多模型预测控制算法第70-90页
   ·引言第70-71页
   ·基于SVM的多模型预测控制算法第71-81页
     ·SISO系统基于SVM的多模型预测控制算法第72-77页
     ·MIMO系统基于SVM的多模型预测控制算法第77-81页
   ·仿真结果与讨论第81-89页
     ·SISO系统控制仿真第81-86页
     ·MIMO系统控制仿真第86-89页
   ·结论第89-90页
第五章 基于线性核并行SVMs的模型预测控制的鲁棒稳定性分析第90-104页
   ·引言第90-91页
   ·基于线性核并行SVMs的MPC稳定性分析第91-94页
   ·基于线性核并行SVMs的MPC鲁棒性分析第94-96页
   ·仿真结果与讨论第96-101页
     ·例1第96-99页
     ·例2第99-101页
   ·结论第101-104页
第六章 基于多核SVM的非线性模型预测控制第104-118页
   ·引言第104-105页
   ·基于多核SVM的非线性系统辨识第105-107页
     ·多核SVM模型结构第105-107页
     ·多核SVM辨识训练方法第107页
   ·基于多核SVM的非线性模型预测控制第107-111页
     ·参考轨迹和反馈校正第107-109页
     ·优化MPC目标函数第109-111页
   ·仿真结果与讨论第111-117页
     ·例1第111-114页
     ·例2第114-117页
   ·结论第117-118页
第七章 基于SOM与SVM结合的电力负荷短期预测第118-128页
   ·引言第118-120页
   ·基于SOM与SVM结合的电力负荷短期预测第120-121页
     ·用SOM方法进行预测日的聚类分析第120-121页
     ·用SVM方法对预测日的日48点负荷分别预测第121页
   ·仿真结果与讨论第121-127页
     ·RBF核参数、SVM参数对预测精度的影响第122-124页
     ·样本预处理对预测精度的影响第124-125页
     ·SOM聚类的作用第125-127页
   ·结论第127-128页
第八章 总结与展望第128-132页
参考文献第132-146页
附录第146-147页

论文共147页,点击 下载论文
上一篇:蚁群优化算法的理论研究及其应用
下一篇:基于MPLS的无线城域网QoS机制研究