版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、湖南大學(xué)碩士學(xué)位論文基于混沌優(yōu)化與支持向量機(jī)的建模與控制研究姓名：袁小芳申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：控制理論與控制工程指導(dǎo)教師：王耀南20060429莖垂堡鎏垡絲量塞墊皂耋墊笪壅簍主絲童!塹耋AbstractRecentlycomputationalintelligencetheoryandmethod，suchasfuzzylogic，artificialneuralnetworks，geneticalgorithms，chaoticop
2、timizationalgorithms(COA)andsupportvectormachines(SVM)，hasbeenahotresearchareainelectronicengineering，automation，computersciencebothoutsideandinsideourcountryAtthemeantime，therearemanygreatprogressesintheresearchofcomput
3、ationalintelligence，especiallyinthecontrolsystemdesignThispaperfocusesontwokindsofcomputationalintelligence，thatis，COAandSVM，formodellingandcontrollerdesignofnonlinearsystemsFirstlythispaperintroducestherelativeknowledge
4、aboutchaos，anddescribesCOAindetailForimprovingthesearchabilityandconvergenceofCOA，thispaperproposesaimprovedsearchalgorithmwhichisthecombinationofparallelCOAandsimplexmethodSimplexmethodhasgoodlocalsearchabilitythusitisu
5、sedforimprovingthelocalsearchabilityforparallelCOAinthisproposedalgorithmsThecapabilityoftheproposedalgorithmsisanalysedanditisappliedinsystemidentificationwithdiversetypesThereafter，thispaperintroducesbasicknowledgeabou
6、tSVM，anothercomputationalintelligencemethod，intheviewsofclassificationandregressionThenthemainlearningalgorithmofSVMispresentedindetailAsSVMhavegoodabilityfornonlinearsystemapproximation，inthispaperitisemployedforsystemi
7、dentificationaswellasitsinversemodel，thisisthebaseforcontrollerdesignInsuccession，thispaperfocusesonthedesignofinversemodelcontrolsystemusingSVM，andcomparesthreekindsofinversemodelcontrolbasedoninversemodel，thatis，direct
8、inversecontrol，PIDcompensatedinversemodelcontrolThecontrolcapabilityofthesetwocontrollersaresimulatedwhichvalidatetheperformanceofcontrollersAsfuzzyinferencesystem(FIS)haspoorselflearningabilityfortheimprovingthelearning
9、abilityofFIS，thispaperpresentsaSVM—FISselflearningcontroller，BothgradsdescendingalgorithmandchaoticoptimizationforthetrainingofSVMFISselflearningcontrollerarepresentedSimulationsshowthattheproposedcontrollerhasgoodperfor
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 混沌與支持向量機(jī)結(jié)合的多相催化建模與優(yōu)化研究.pdf
- 混沌與支持向量機(jī)結(jié)合的多相催化建模與優(yōu)化研究(1)
- 基于支持向量機(jī)的高速列車建模與控制研究
- 基于支持向量機(jī)的高速列車建模與控制研究.pdf
- 29548.基于混沌時(shí)間序列分析與智能支持向量機(jī)的建模研究
- 基于支持向量機(jī)的間歇過程建模和優(yōu)化控制.pdf
- 基于支持向量機(jī)的摩擦建模與補(bǔ)償.pdf
- 支持向量機(jī)的優(yōu)化建模方法研究.pdf
- 基于最小二乘支持向量機(jī)的曝氣過程建模與優(yōu)化控制.pdf
- 基于支持向量機(jī)的發(fā)酵過程建模研究與控制系統(tǒng)設(shè)計(jì).pdf
- 基于支持向量機(jī)的建模算法與應(yīng)用研究.pdf
- 基于粒子群算法和支持向量機(jī)的發(fā)酵過程建模與優(yōu)化研究.pdf
- 基于支持向量機(jī)的燃燒優(yōu)化控制研究.pdf
- 基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)建模與控制.pdf
- 基于支持向量機(jī)的制粉系統(tǒng)優(yōu)化控制研究.pdf
- 基于支持向量機(jī)的建模與預(yù)測(cè)控制技術(shù)研究及應(yīng)用.pdf
- 基于支持向量機(jī)的間歇過程建模與故障檢測(cè).pdf
- 基于支持向量機(jī)的建模預(yù)測(cè)研究.pdf
- 基于支持向量機(jī)建模的永磁球形電機(jī)的優(yōu)化設(shè)計(jì)研究.pdf
- 基于最小二乘支持向量機(jī)的鋁電解過程建模與控制研究.pdf
評(píng)論
0/150
提交評(píng)論