基于混沌优化与支持向量机的建模与控制研究

摘要

近年来，模糊逻辑、神经网络、进化算法、混沌优化、支持向量机等计算智能理论和方法是国内外电子工程、自动化、计算机科学等领域研究的热门前沿课题之一，取得了很大的发展，尤其是在控制领域得到了深入研究和应用。本论文以混沌优化、支持向量机二种计算智能方法为主，以此研究非线性系统的建模与控制。 论文首先介绍了混沌理论的相关知识，接着详细地描述了混沌优化算法，在分析混沌优化算法特点的基础上，提出了一种并行混沌优化算法融合单纯形法的优化算法，接着分析了该优化算法的优化性能。随后，论文将该优化算法应用于多种类型模型的系统辨识，既有线性系统，又有非线性系统，取得了较好的仿真结果。 支持向量机方法是一种新的机器学习算法，其原理是建立在统计学习理论的VC维理论和结构风险最小原理基础上，表现出了许多优越于人工神经网络的优点，如：全局最优、学习训练速度快、范化能力强等等。论文描述了支持向量机的基本知识，从支持向量机分类和回归两个方面介绍了其基本原理和理论，描述了核函数的形式和网络结构，并着重介绍了支持向量机的学习训练算法。其后，针对非线性系统的模型辨识及其逆模型辨识等建模问题，论文考虑将非线性逼近性能强、学习能力强的支持向量机应用于此类建模问题，以此作为控制器设计的基础。文章描述了基于支持向量机的建模步骤和具体实现方法，并且以仿真的形式验证了其实际性能。 接着，论文研究了基于支持向量机逆模型的控制器设计，提出了支持向量机直接逆模型控制、PID补偿的支持向量机逆模型控制，通过仿真研究验证了所研究的这二种逆模型控制器的性能和效果；考虑到支持向量机具有很强的学习能力，文章还研究了利用支持向量机去提高模糊推理系统的学习能力、优化能力，从而提出了一种支持向量机—模糊推理自学习控制器，并对比研究了梯度法、混沌优化算法这二种学习算法，并给出了相应的仿真结果。

目录

文摘

英文文摘

湖南大学学位论文原创性声明及学位论文版权使用授权书

第1章绪论

第2章混沌优化算法及其改进

第3章基于混沌优化算法的系统辨识

第4章支持向量机基本原理及学习算法

第5章基于支持向量机的模型辨识

第6章基于支持向量机的逆模型辨识

第7章基于支持向量机的逆模型控制设计

第8章支持向量机-模糊推理自学习控制器设计

第9章结论与展望

参考文献

致谢

附录A(攻读学位期间所发表的学术论文目录)