基于决策函数及PSO优化的SVM预测控制应用研究

摘要：

SVM处理大样本问题时性能明显不如神经网络,因此笔者利用矩阵变换进行决策函数的简化来提升SVM的训练速度,对SVM建模时非必需的支持向量进行约简,并引入一个松弛变量来提升约简效果.实验证明,约简后支持向量个数减少三分之一以上.SVM所建立的模型进行线性化之后应用于预测控制当中,采用PSO算法来选择最优的SVM参数和计算预测控制的最优控制律.通过对水泥回转窑窑尾烟室温度的数据进行实验仿真,结果表明该方法可以提高系统响应速度,减小系统响应的超调量.

关键词：支持向量机、决策函数、粒子群算法、预测控制

所属期刊栏目：34

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60905039

在线出版日期：2013-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：53-56