| 【中文题名】 | 基于支持向量机与模糊推理的系统辨识与控制研究 |
| 【英文题名】 | Research on System Identification and Control Based on Support Vector Machine and Fuzzy Inference |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-1 |
| 【中关键词】 | 支持向量机,模糊推理,模糊规则,非线性系统辨识,非线性系统控制, |
| 【英关键词】 | support vector machine,fuzzy inference,fuzzy rule,nonlinear system identification,nonlinear system control, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
模糊推理系统(Fuzzy Inference System,FIS),或模糊逻辑系统(Fuzzy Logical System,FLS),简称模糊系统,它是建立在模糊集合论、模糊if-then规则、模糊逻辑推理基础上的一种先进的计算框架。模糊系统模拟人类的模糊思维,是处理不确定性、不精确性的有力工具,解决了在不同的情况下采用不同的决策机制问题。模糊推理的基础是模糊规则库的建立。作为新型学习机的支持向量机以统计学习理论为理论基础,为研究有限样本情况下的统计识别和更广泛的机器学习问题提供了一种新的模式识别方法。本文针对现有的模糊规则提取方法的不足进行了一些探索和研究,提出将模糊推理与支持向量机结合,构成一种新型的推理方式和辨识控制方法。本文的主要内容包括:
1)系统阐述了支持向量机的理论基础和实现原理。介绍了支持向量机(Support Vector Machines, SVM)的数学理论基础——统计学习理论,研究了支持向量机在解决小样本情况下的实现算法,并分析了支持向量机的几何特性和核函数的选择等问题;
2)提出基于支持向量机的模糊推理模型。根据模糊推理和支持向量机的共性,将支持向量机与... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-9 |
|
1 绪论 |
9-13 |
|
1.1 课题背景及意义 |
9-10 |
|
1.2 模糊控制 |
10 |
|
1.3 支持向量机 |
10-11 |
|
1.4 本文的主要研究工作 |
11-13 |
|
2 统计学习理论与支持向量机 |
13-20 |
|
2.1 统计学习理论概述 |
13-15 |
|
2.1.1 机器学习的问题 |
13 |
|
2.1.2 经验风险最小化 |
13-14 |
|
2.1.3 统计学习理论的核心内容 |
14-15 |
|
2.2 支持向量机 |
15-19 |
|
2.2.1 支持向量机分类 |
15-18 |
|
2.2.2 支持向量机回归 |
18-19 |
|
2.3 小结 |
19-20 |
|
3 基于支持向量机的模糊推理模型 |
20-30 |
|
3.1 模糊规则与模糊推理 |
20-22 |
|
3.1.1 模糊规则运算 |
20-21 |
|
3.1.2 模糊推理 |
21-22 |
|
3.2 基于支持向量机的模糊推理模型 |
22-27 |
|
3.2.1 模糊基函数推理 |
22 |
|
3.2.2 基于 SVM 的模糊基函数推理模型 |
22-25 |
|
3.2.3 实验示例 |
25-27 |
|
3.3 模糊规则提取的比较分析 |
27-29 |
|
3.3.1 基于 SVM 的模糊推理模型与聚类方法 |
27-28 |
|
3.3.2 基于 SVM 的模糊推理模型与正交最小二乘法 |
28-29 |
|
3.4 小结 |
29-30 |
|
4 基于 SVM 的模糊推理模型在非线性系统辨识中的应用 |
30-38 |
|
4.1 常用智能辨识方法 |
30-33 |
|
4.1.1 基于神经网络的系统辨识 |
30-31 |
|
4.1.2 基于模糊推理的系统辨识 |
31-33 |
|
4.2 非线性系统辨识示例 |
33-37 |
|
4.2.1 基于 SVM 的模糊推理模型辨识算法 |
33 |
|
4.2.2 混沌时间序列预测示例 |
33-35 |
|
4.2.3 三阶非线性系统模型辨识示例 |
35-37 |
|
4.3 小结 |
37-38 |
|
5 基于 SVM 的模糊推理模型在非线性系统控制中的应用 |
38-49 |
|
5.1 常用智能控制方法 |
38-41 |
|
5.1.1 神经网络控制 |
38-40 |
|
5.1.2 模糊控制 |
40-41 |
|
5.2 非线性系统控制示例 |
41-47 |
|
5.2.1 基于 SVM 的模糊推理模型控制算法 |
42 |
|
5.2.2 二级倒立摆控制示例 |
42-45 |
|
5.2.3 球杆系统控制示例 |
45-47 |
|
5.3 小结 |
47-49 |
|
6 总结 |
49-50 |
|
致谢 |
50-51 |
|
参考文献 |
51-54 |
|
作者在攻读硕士期间已录用论文 |
54 |
|
| 【DOI】 | LunWen.ID:2.2008.388562 |
