第一个书签之前
摘要
Abstract
第1章 绪论
1.1 课题背景及研究意义
1.2 研究方向及发展现状
1.2.1 单元机组协调控制系统的研究及发展现状
1.2.2 非线性预测控制的研究及发展现状
1.3 本文的主要内容
第2章 统计学习理论与支持向量机
2.1 引言
2.2 统计学习理论基础
2.2.1 经验风险最小化
2.2.2 VC维与结构风险最小化
2.3 支持向量机
2.3.1 支持向量分类机
2.3.2 支持向量回归机
2.3.3 支持向量机的特点与局限性
2.4 最小二乘支持向量回归机
2.4.1 最小二乘支持向量回归机基本原理
2.4.2 最小二乘支持向量机模型选择
2.4.3 最小二乘支持向量机存在的问题
2.5 本章小结
第3章 广义预测控制
3.1 引言
3.2 预测控制基本原理
3.3 广义预测控制基本原理
3.3.1 预测模型
3.3.2 滚动优化
3.3.3 反馈校正
3.3.4 广义预测控制自适应控制
3.4 隐式广义预测自校正控制
3.5 本章小结
第4章 基于改进LS-SVM的非线性系统模型辨识
4.1 引言
4.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优
4.2.1 粒子群算法
4.2.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优
4.3 自适应加权最小二乘支持向量机
4.3.1 自适应加权最小二乘支持向量机基本原理
4.3.2 仿真实验分析
4.4 基于自适应加权的在线最小二乘支持向量机回归
4.4.1 基于滚动时间窗的在线最小二乘支持向量机
4.4.2 仿真实验分析
4.4.3 协调控制系统的非线性系统辨识
4.5 本章小结
第5章 基于OAW-LS-SVM逆系统的广义预测控制
5.1 引言
5.2 逆系统方法
5.2.1 逆系统方法基本原理
5.2.2 基于OAW-LS-SVM的阶逆系统方法
5.2.3 仿真实验分析
5.3 基于OAW-LS-SVM阶逆系统的广义预测控制
5.3.3 MIMO系统阶逆系统广义预测控制
5.3.4 SISO系统仿真实验分析
5.3.4 MIMO系统仿真实验分析
5.4 基于OAW-LS-SVM逆系统的GPC方法在协调系统中的应用
5.5 本章小结
第6章 结论与展望
参考文献
攻读硕士学位期间发表的论文及科研情况
致谢