利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识...
详细信息
利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识方法。该方法利用了三个LSSVM,并将整个建模预测时期分为启动阶段和若干个工作周期。初始阶段末和每个工作周期末选定预测误差和最小的LSSVM,作为后续工作周期的工作LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为后续工作周期的比较LSSVM。该方法设定核参数相对容易,而且核参数具有一定的自动调节能力。数字仿真显示,从统计角度而言,所提方法比传统方法有更好的适应性。
本文介绍了根据系统在线辨识原理设计的伪随机信号相关仪,还讨论了采用多周期逆重复 m 序列,配合实时二项式加权平均消除系统直流漂移对测试脉冲响应函数的影响;对系统施加一个周期预扰动,消除系统被扰后初始输出非平稳造成的不良影响;...
详细信息
本文介绍了根据系统在线辨识原理设计的伪随机信号相关仪,还讨论了采用多周期逆重复 m 序列,配合实时二项式加权平均消除系统直流漂移对测试脉冲响应函数的影响;对系统施加一个周期预扰动,消除系统被扰后初始输出非平稳造成的不良影响;将两个相互相差二分之一半周期的逆重 m 序列作为独立序列,来辨识多维系统.(并用实验证明了以上提高辨识准确度的措施所获得的效果以及所扩大的功能.最后介绍了冷轧机控制系统的在线辨识与在线调整.
暂无评论