多核SVM在传感器动态建模和补偿中的研究

摘要

传感器是检测系统的窗口，也是检测系统获取信息的工具，它测试的准确性决定着检测系统的性能。提高传感器的动态特性和静态特性，就能相应的提高检测系统的性能，而动态特性尤为关键，目前对于如何提高传感器的动态特性已成为国内外研究的一项重要课题。本文以改善传感器的动态特性为目的，将支持向量机应用于传感器动态建模和补偿中，并深入研究了基于多核的最小二乘支持向量机在传感器动态建模和补偿中的应用，通过仿真实验比较分析不同的支持向量机算法在处理传感器动态特性问题上的效果。本文主要研究内容包括以下几个方面:
　　(1)研究了不敏感支持向量回归机、改进型支持向量回归机、最小二乘支持向量回归机和基于多核的最小二乘支持向量机的核心理论及其实现方法，以及多核函数的构成和核函数权值的选取。
　　(2)分析了几种传统的传感器动态建模的方法，在此基础上，从传感器的动态特性方面入手，深入研究了支持向量机方法在传感器动态建模中的应用。通过不敏感支持向量回归机、改进型支持向量回归机、最小二乘支持向量回归机和基于多核的最小二乘支持向量机对动态特性表现为线性和非线性的传感器模型进行了动态建模的仿真实验，实验中比较分析了采用不同核函数的动态建模效果。通过仿真实验比较分析得到，基于多核的最小二乘支持向量机较其它支持向量机的算法在传感器动态建模中具有一定的优越性，对核函数及其参数的依赖性相对较小且具有较高的建模精度和良好的抗噪性能。
　　(3)研究了支持向量机在传感器动态补偿中的应用。通过对基于参考模型的动态补偿原理的研究，利用支持向量机设计了传感器的动态补偿器。运用不敏感支持向量回归机、改进型支持向量回归机、最小二乘支持向量回归机和基于多核的最小二乘支持向量机算法分别对线性和非线性的传感器模型进行了动态补偿的仿真实验，比较分析在同种模型下选取不同算法设计的动态补偿器对传感器动态补偿的效果。结果表明利用支持向量机方法设计的动态补偿器在很大程度上改善了传感器的动态特性，但是就比较而言，基于多核的最小二乘支持向量机设计的动态补偿器对传感器的动态补偿效果最好，有效的改善了传感器的动态输出特性，为传感器动态补偿器的设计提供了一种更有效的学习算法。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 本文的研究内容

1．4 本文的工作安排

2 支持向量机

2．1 支持向量回归机

2．2 不敏感支持向量回归机

2．3 改进型支持向量回归机

2．4 最小二乘支持向量回归机

2．5 小结

3 基于多核的最小二乘支持向量机

3．1 核方法原理

3．2 核函数

3．2．1 核函数理论

3．2．2 常用的核函数

3．2．3 多核函数的构造

3．3 基于多核的最小二乘支持向量机

3．4 小结

4 SVM在传感器动态建模中的分析研究

4．1 核函数权值的选取

4．2 基于SVM的传感器动态建模原理

4．3 动态线性系统建模仿真实验及比较分析

4．4 动态非线性系统建模仿真实验及比较分析

4．5 小结

5 SVM在传感器动态补偿中的分析研究

5．1 基于参考模型的动态补偿原理

5．2 线性传感器的动态补偿仿真实验

5．3 非线性传感器的动态补偿仿真实验

5．4 实际非线性力传感器的动态补偿仿真实验

5．5 小结

结论

致谢

参考文献

攻读学位期间的研究成果