PSO并行优化LSSVR非线性黑箱模型辨识

摘要：

针对非线性黑箱系统辨识中存在不确定性、高阶次,采用常规辨识方法建立其精确数学模型十分困难等问题,提出一种基于自适应粒子群算法的最小二乘支持向量机回归(PSO-LSSVR)非线性系统辨识方法.该方法采用2组自适应粒子群算法并行计算模型,分别利用自适应粒子群算法对LSSVR中的参数进行自动选取和矩阵迭代求解,既克服了传统LSSVR参数难以确定的缺点,提高了辨识精度,同时避免了复杂矩阵求逆运算,加快了计算速度.将该方法应用于船舶操纵性模型非线性系统辨识,仿真结果表明,由该方法得到的LSSVR能够有效地对系统进行建模,仿真精度高,结构简单,具有一定的理论推广意义.

关键词：粒子群算法、最小二乘支持向量机回归、非线性系统辨识、黑箱模型、船舶操纵模型

所属期刊栏目：5

分类号：N945.1;TP18(系统科学)

资助基金：黑龙江省自然科学基金资助项目A2004-19

在线出版日期：2010-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-56