针对仿射非线性系统的最优跟随控制问题,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的数据驱动方法.通过非线性系统已知信息和期望轨迹的离散数据构建LS-SVM模型,获得最优跟随轨线的近似解并求得...针对仿射非线性系统的最优跟随控制问题,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的数据驱动方法.通过非线性系统已知信息和期望轨迹的离散数据构建LS-SVM模型,获得最优跟随轨线的近似解并求得最优跟随控制器,使系统达到期望的动态性能.数值算例仿真证实,该方法具有优化和学习能力,能够实现在较小误差范围内对期望轨迹的准确跟踪.展开更多
针对热定形大样实验数据较少的问题,提出以基于最小二乘支持向量机(1 east squares support vectorm achine,LS-SVM)方法建立棉/氨纶弹力布热定形效率预测模型,该方法基于统计学习理论的原理,能较好地解决小样本、非线性的学习问题。将...针对热定形大样实验数据较少的问题,提出以基于最小二乘支持向量机(1 east squares support vectorm achine,LS-SVM)方法建立棉/氨纶弹力布热定形效率预测模型,该方法基于统计学习理论的原理,能较好地解决小样本、非线性的学习问题。将该方法与传统的多元非线性回归方法进行比较,试验结果表明,该方法具有更高的精度,验证了LS-SVM对热定形效率预测建模是一种可行且有效的方法。展开更多
文摘针对仿射非线性系统的最优跟随控制问题,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的数据驱动方法.通过非线性系统已知信息和期望轨迹的离散数据构建LS-SVM模型,获得最优跟随轨线的近似解并求得最优跟随控制器,使系统达到期望的动态性能.数值算例仿真证实,该方法具有优化和学习能力,能够实现在较小误差范围内对期望轨迹的准确跟踪.
文摘针对热定形大样实验数据较少的问题,提出以基于最小二乘支持向量机(1 east squares support vectorm achine,LS-SVM)方法建立棉/氨纶弹力布热定形效率预测模型,该方法基于统计学习理论的原理,能较好地解决小样本、非线性的学习问题。将该方法与传统的多元非线性回归方法进行比较,试验结果表明,该方法具有更高的精度,验证了LS-SVM对热定形效率预测建模是一种可行且有效的方法。
