基于約簡(jiǎn)SVM的預(yù)測(cè)控制優(yōu)化與應(yīng)用研究.pdf

1、預(yù)測(cè)控制技術(shù)是一種基于預(yù)測(cè)模型的新型控制技術(shù),它區(qū)別于傳統(tǒng)控制器對(duì)于模型精度和表達(dá)形式的嚴(yán)格限制,根據(jù)系統(tǒng)的輸入來(lái)預(yù)測(cè)其未來(lái)輸出,采用滾動(dòng)優(yōu)化的策略對(duì)局部目標(biāo)進(jìn)行反復(fù)優(yōu)化,每次優(yōu)化得到的并不是全局最優(yōu)解,但是通過(guò)對(duì)控制器的反復(fù)優(yōu)化,同時(shí)考慮到模型失配、時(shí)變性和干擾所引起的不確定性,最終達(dá)到使控制器的性能最優(yōu)的目的。但是我們?cè)趯?shí)際工業(yè)生產(chǎn)中所碰到的大部分對(duì)象都是一些具有嚴(yán)重時(shí)間滯后而且容易受到不確定性因素的影響,想要建立它們的精確模型是非

2、常困難的。所以將預(yù)測(cè)控制直接應(yīng)用于工業(yè)生產(chǎn)時(shí)遇到了很大的困難。如何建立一個(gè)符合實(shí)際對(duì)象的非線性模型,目前為止還處于一個(gè)待研究的開放性課題。目前人們慣用的非線性建模方法主要有神經(jīng)網(wǎng)絡(luò)模型和模糊模型等,它們都是以經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化為原則來(lái)進(jìn)行非線性模型的逼近。經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則雖然在理論上可以任意精度逼近任一非線性模型,但是在實(shí)際應(yīng)用時(shí)發(fā)現(xiàn),隨著學(xué)習(xí)樣本數(shù)的增加,其置信風(fēng)險(xiǎn)也相應(yīng)增加。支持向量機(jī)以結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,在經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信風(fēng)險(xiǎn)之間選擇

3、一個(gè)最優(yōu)點(diǎn),使得結(jié)構(gòu)風(fēng)險(xiǎn)最小。在處理非線性問(wèn)題時(shí),SVM通過(guò)引入核函數(shù),避免了在高維空間中的內(nèi)積運(yùn)算,從而解決了維數(shù)災(zāi)問(wèn)題。但是在處理大規(guī)?；貧w問(wèn)題時(shí)SVM的訓(xùn)練速度明顯不如神經(jīng)網(wǎng)絡(luò)。經(jīng)研究發(fā)現(xiàn)。并非所有的支持向量都對(duì)訓(xùn)練結(jié)果產(chǎn)生影響。
　　 本文從決策函數(shù)入手,通過(guò)矩陣變換和引入松弛變量的概念來(lái)對(duì)SVM建模時(shí)非必需的支持向量進(jìn)行約簡(jiǎn),以提升SVM的訓(xùn)練速度。我們采用了kin family中的4000組數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)來(lái)測(cè)試支持