基于支持向量机的自适应逆控制方法研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-10页 |
| ·自适应逆控制研究背景及意义 | 第7-9页 |
| ·支持向量机研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·自适应逆控制研究现状 | 第10-11页 |
| ·支持向量机研究现状 | 第11-12页 |
| ·本文主要目的、工作和内容 | 第12-13页 |
| 第二章 自适应逆控制方法 | 第13-22页 |
| ·自适应逆控制的基本思想 | 第13-15页 |
| ·线性系统的自适应逆控制 | 第15-16页 |
| ·非线性系统的自适应逆控制 | 第16页 |
| ·自适应逆建模 | 第16-19页 |
| ·最小相位对象的逆 | 第17-18页 |
| ·非最小相位对象的逆 | 第18页 |
| ·非线性对象的逆 | 第18-19页 |
| ·自适应扰动消除 | 第19-20页 |
| ·自适应逆控制扩展结构 | 第20-22页 |
| 第三章 支持向量机 | 第22-35页 |
| ·支持向量机理论基础 | 第22-26页 |
| ·机器学习的基本问题 | 第22-24页 |
| ·统计学习理论的核心内容 | 第24-25页 |
| ·结构风险最小化 | 第25-26页 |
| ·支持向量机基本原理 | 第26-31页 |
| ·支持向量机的基本思想 | 第27-29页 |
| ·支持向量 | 第29-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量机回归 | 第31-35页 |
| ·支持向量机回归原理 | 第31-33页 |
| ·支持向量机回归算法 | 第33-35页 |
| 第四章 基于支持向量机的自适应逆控制 | 第35-52页 |
| ·引言 | 第35页 |
| ·支持向量机的技术特点 | 第35-36页 |
| ·基于支持向量回归的在线辨识算法 | 第36-40页 |
| ·控制系统结构 | 第36-37页 |
| ·KKT 条件 | 第37-38页 |
| ·正模型的建立 | 第38-40页 |
| ·逆模型的建立 | 第40页 |
| ·线性系统仿真 | 第40-42页 |
| ·非线性系统仿真 | 第42-45页 |
| ·主汽温控制系统仿真 | 第45-50页 |
| ·主汽温控制系统动态特性 | 第46页 |
| ·主汽温系统扰动消除系统设计 | 第46-48页 |
| ·仿真结果及分析 | 第48-50页 |
| ·小结 | 第50-52页 |
| 第五章 结论 | 第52-53页 |
| ·主要研究成果 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 在学期间发表的学术论文和参加科研情况 | 第58页 |
