基于LS-SVM的模糊控制器分析与设计
单强;邱道尹;王志迁;
摘要(Abstract):
探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计的方法,LS-SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程。将得到的LS-SVM模型应用到模糊控制,提出了基于LS-SVM模型的模糊控制算法。该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点。仿真表明,LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力。基于LS-SVM的模糊控制器具有很好的控制性能。
关键词(KeyWords): 最小二乘支持向量机;机器学习;模糊控制;神经网络
基金项目(Foundation):
作者(Author): 单强;邱道尹;王志迁;
Email:
DOI:
参考文献(References):
- [1]Cortes C,Vapnik V.Support vector machine[J].Machine Learning,1995,20:273—297.
- [2]Vapnik V N.统计学习理论的本质[M].张学工译.北京:清华大学出版社,2000.
- [3]An overview of statistical learning theory[J].IEEE Trans on Neural Networks,1999,10(5):988-999.
- [4]Suykens J A K,Vandewalle J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(3):293—300.
- [5]Nello Critianini,JohnShawe-Taylor.An introduction to Support vector machines and other kernel-based learning methods[M].Cambridge:Cambridge University Press,2000.
- [6]Gestel T V Suykens J A K Lanckriet G Bayesian framework for least squares support vector machine classifiers Gaussian processes and kernel fisher discriminant analysis[J]Neural Computation200215(5)1115-1148.
- [7]Suykens J A K Vandewalle J Recurrent least squares support vectormachines[J]IEEE Transactions on Circuits and Systems-I200047(7)1109-1114.
- [8]袁小芳.王耀南.孙炜.一种模糊支持向量机控制器的研究[J]控制与决策200520(5)537-540.