不同核支持向量回归机在模型预测控制中的应用研究

《不同核支持向量回归机在模型预测控制中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP273密级公开UDC621.3学位论文编号D-10617-30852-(2016)-03016重庆邮电大学硕士学位论文中文题目不同核支持向量回归机在模型预测控制中的应用研究英文题目AStudyontheApplicationofSupportVectorRegressionwithDifferentKernelFunctioninModelPredictiveControl学号S130331017姓名刘念慈学位类别工程硕士学科专业控制工程指导教师唐贤伦教授完成日期2016年5月29日独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所

2、知，除了文中特别加以标注和致谢的地方外，论文中不包含他人已经发表或撰写过的研究成果，也不包含为获得重庆邮电大学或其他单位的学位或证书而使用过的材料。与我一同工作的人员对本文研究做出的贡献均已在论文中作了明确的说明并致以谢意。作者签名：日期：年月日学位论文版权使用授权书本人完全了解重庆邮电大学有权保留、使用学位论文纸质版和电子版的规定，即学校有权向国家有关部门或机构送交论文，允许论文被查阅和借阅等。本人授权重庆邮电大学可以公布本学位论文的全部或部分内容，可编入有关数据库或信息系统进行检索、分析或评价，可以采用影印、缩印、扫描或拷贝等复制手段保存、汇编本学位论文。（注：保密的学位论文在

3、解密后适用本授权书。）作者签名：导师签名：日期：年月日日期：年月日重庆邮电大学硕士论文摘要摘要近几十年来，模型预测控制(ModelPredictiveControl,MPC)发展迅猛，在理论研究及实际应用中都取得了显著的成效。但是，由于非线性系统的精确模型及全局最优解难以获得，MPC在非线性系统中的局限性日益明显。由Vapnik于1995年提出的支持向量回归机(SupportVectorRegression,SVR)为MPC在非线性系统中的应用带来了希望，两者的结合受到众多学者的关注，成为相关领域的研究热点。针对应用于MPC的SVR的核函数均采用二次核函数及SVR训练算法基本为离线

4、训练，建立的模型难以适应非线性系统的时变性且整体性能不够优良等问题，本文在前人研究基础上主要针对核函数的优化选取对SVR性能的影响及非线性系统MPC中离线建立的模型容易失配等问题进行研究。提出了以不同核SVR及在线SVR作为预测模型，并利用多智能体粒子群(Multi-AgentParticleSwarmOptimizationAlgorithm,MAPSO)算法对MPC中滚动优化部分的控制律寻优的方法。主要的工作内容如下：（1）考虑到不同核函数的选取对SVR综合性能的影响以及近年来应用于模型预测控制中的SVR皆是单一的使用二次核函数这一情况，分别将多次核SVR及RBF核SVR应用于

5、非线性系统模型预测控制(NonlinearModelPredictiveControl,NMPC)中。同时，由于核函数（多项式、RBF）自身表达式的复杂性，在MPC滚动优化部分引入MAPSO算法求解最优控制律。针对基于MAPSO的多次核SVR及RBF核SVR模型预测控制进行仿真分析，并分别与基于二次核SVR的模型预测控制、基于SVR的逆模型控制算法比较，结果表明所提方法在预测精度、抗干扰等方面上的优势。（2）在研究离线SVR基础上，考虑到离线建立的模型难以适应实际中非线性对象的实时变化及单步预测中系统前后状态联系不紧密问题，提出基于MAPSO的在线SVR(OnlineSupport

6、VectorRegression,OSVR)多步模型预测控制。针对基于MAPSO的在线SVR多步模型预测控制进行了仿真分析，并与基于SVR及基于GA的OSVR模型预测控制等方法进行比较，仿真结果表明该方法的优越性。关键词：非线性系统，模型预测控制，支持向量回归，核函数，在线，多步I重庆邮电大学硕士论文AbstractAbstractInrecentdecades,modelpredictivecontrol(MPC)algorithmhasbeendevelopingrapidlyandithasbeengreatlyimplementsinboththeoreticalresea

7、rchandpracticalapplication.However,itcouldnotgetexpectedresultsinnonlinearmodelpredictivecontrol(NMPC),fortheperfectnonlinearmodelisdifficulttoobtainandthegloballyoptimalsolutiontononlinearoptimizationishardtofind.ProposedbyVapnikandCor