基于支持向量机的广义预测控制算法研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·选题背景及意义 | 第7-9页 |
| ·广义预测控制算法的意义 | 第7-8页 |
| ·支持向量机与广义预测控制算法的结合 | 第8-9页 |
| ·论文的主要内容和研究目的 | 第9-10页 |
| 第二章 广义预测控制 | 第10-24页 |
| ·广义预测控制的基本原理 | 第10-20页 |
| ·广义预测控制的基本算法 | 第10-14页 |
| ·Diophantine 方程的递推求解及流程图 | 第14-17页 |
| ·广义预测控制自适应控制算法 | 第17-18页 |
| ·具有模型误差的广义预测控制 | 第18-19页 |
| ·广义预测控制的参数选择 | 第19-20页 |
| ·广义预测控制的特点 | 第20-21页 |
| ·广义预测控制的发展现状 | 第21-23页 |
| ·广义预测控制的应用概况 | 第21-23页 |
| ·广义预测控制的发展方向 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 基于支持向量机的模型辨识 | 第24-47页 |
| ·支持向量机的产生及原理 | 第24-28页 |
| ·机器学习问题 | 第24-25页 |
| ·统计学习理论 | 第25-26页 |
| ·支持向量机（SVM） | 第26-28页 |
| ·支持向量机算法的实现 | 第28-34页 |
| ·最小二乘支持向量机（LS-SVM） | 第29-31页 |
| ·序贯最小优化（SMO）算法 | 第31-34页 |
| ·基于支持向量机的模型辨识 | 第34-44页 |
| ·基于支持向量机的黑箱辨识 | 第34-38页 |
| ·基于支持向量机的参数模型辨识 | 第38-44页 |
| ·支持向量机的参数选择问题 | 第44-46页 |
| ·核函数的选择 | 第44页 |
| ·模型参数的影响 | 第44-45页 |
| ·模型参数的选择方法 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于支持向量机的广义预测控制 | 第47-55页 |
| ·基于支持向量机的广义预测控制方案 | 第47-48页 |
| ·仿真实例 | 第48-54页 |
| ·小结 | 第54-55页 |
| 第五章 基于支持向量机的误差补偿广义预测控制 | 第55-61页 |
| ·误差补偿算法原理 | 第55-56页 |
| ·仿真实例 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 在学期间发表的学术论文和参加科研情况 | 第67页 |
