欢迎来到天天文库
浏览记录
ID:52422445
大小:257.23 KB
页数:3页
时间:2020-03-27
《最小二乘支持向量机在空调温控系统中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、褐测与控制·机械研究与应用·最小二乘支持向量机在空调温控系统中的应用黄琴,陈虹,靳召东(1.扬州高等职业技术学校,江苏扬州225000;2.扬州大学,江苏扬州225000;3.江苏电信实业侨宁置业有限公司,江苏南京210001)摘要:温度控制系统是空调控制系统的核心,传统的温控系统采用PID调节和普通模糊控制。利用最小二乘支持向量机(LeastSquaresSVM,LS-SVM)理论,建立模糊控制器,通过与一般模糊控制仿真实验结果进行比较,验证了其在温控系统的有效性。关键词:温度控制系统;最小二
2、乘支持向量机;模糊控制中图分类号:文献标识码:A文章编号:1007-4414(2011)05-0124-03ApplicationofleastsquaressupportvectormachinesinairconditioningtemperaturecontrolsystemHuangQin,ChenHong,JinZhao-dong(1.Yangzhouprofessionaltechnologyschool,YangzhouJiangsu225000,China;2.Yangzhouu
3、niversity,YangzhouJiangsu225000,China;3.QiaoningbusinesscompanyofJiangsutelecomindustrycorporation,NanjingJiangsu210001,China)Abstract:Temperaturecontrolsystemisthecoreofairconditioningcontrolsystem,whichUSeSthePIDandFuzzycontrollerintradition.Thefuz
4、zycontrollerisestablishedbasedonthetheoryofleastsquaressupportvectormachlnes.,I1leanalysisoftheexperimentalresul£sprovedthattheLS—SVMfuzzycontrolercouldachievemoreefectivethan山atPIDandFuzzyeon~oler.Keywords:temperaturecontrolsystem;leastsquaressuppo~
5、vectormachines;fuzzycontroHer1引言设计的,标准SVM算法的复杂度取决于样本数据的空调系统帮助人们远离了自然界的四季更替,创个数,而不是输入空问的维数,因此样本数据越大,相造出恒温恒湿的工业生产环境。无论是人的生活还应的二次规划问题将更复杂,计算速度会更慢。为是工业生产,都已经离不开空调系统,空调系统在为此,采用改进的SVM,即最小二乘支持向量机(LS—人们提供舒适性生活环境的同时,也在破坏着自然环SVM),它是Suykens和Vandewalb在1999年提出的,境
6、,统计结果表明空调能耗约占一幢大厦总能耗的与标准SVM的主要区别在于采用不同的优化目标函50%左右⋯。因此,在满足舒适性的前提下,研究空数,并且用等式约束代替不等式约束J,其具体推导调系统的最优温控节能控制,对于建设节能型社会具过程如下:给定个训练样本,Y},其中E有重要的意义。尺为维的训练样本输入,ER为训练样本输出。2空调温控系统国内外的研究现状及发展LS—SVM算法的目标优化函数为:,,、m目前,空调系统中广泛采用采用PID控制,但是min.,(W,)=rainiWrW+等∑(1)0I1这
7、种控制方法只有在系统参数比较稳定的情况下才约束条件:能取得理想效果,当系统参数改变后,就会出现超调Y=Wrg(i)+b+,i=1,2,⋯,(2)现象,系统变的非常不稳定,性能变差。式中:.,为,为自变量的优化函数;为回归误差,2O世纪9O年代,国内外学者开始研究空调系统用户自定义;C为惩罚系数,用于调节误差,能够使训的智能控制,出现了最优控制、自适应控制、模糊控制练误差和模型复杂度之间取一个折衷,以便使所求的及神经网络控制等方法。我国的吴爱国等人研究了函数具有较好的泛化能力,并且C值越大,模型的
8、回参数自寻优模糊控制器在中央空调温度控制系统中归误差越小。引入拉格朗日函数求解,将(2)转化为的应用,该控制器在采用了在输人的比例因子后加入无约束目标函数:加权因子的方法,优化了控制效果J。总之,智能控制是空调控制的发展方向。(W,b,口,)=(W,)一∑口[wrg(x)+i=13最小二乘支持向量机的原理b+邑一Y](3)支持向量机(SVM)是基于结构风险最小化原则收稿日期:2011—08—02作者简介:黄琴(1976一),女,江苏泰州人,讲师,主要从事智能楼宇方面的研究工作。·124·楦测与控
此文档下载收益归作者所有