慢時變對象的支持向量機建模與在線校正方法研究.pdf

1、時變現(xiàn)象廣泛存在于過程控制、航空航天、故障診斷等領(lǐng)域,由于時變系統(tǒng)的廣泛性以及復(fù)雜性,時變系統(tǒng)的建模與在線校正問題已經(jīng)成為研究的熱點問題之一。目前普遍采用的建模算法在實際應(yīng)用中存在一定的局限性,因為傳統(tǒng)的定常建模方法建立在時不變或平穩(wěn)過程的假設(shè)基礎(chǔ)上,而現(xiàn)實中存在的系統(tǒng)總是呈現(xiàn)出各種各樣的非平穩(wěn)性和時變性,其中尤以參數(shù)慢時變系統(tǒng)為典型代表。因此本文在參閱大量相關(guān)文獻的基礎(chǔ)上,對參數(shù)慢時變系統(tǒng)建模方法進行了深入的研究。
　　 首先

2、,介紹了時變系統(tǒng)的基本特性及其傳統(tǒng)建模算法。在學(xué)習(xí)基本的建模方法的基礎(chǔ)上,針對其的不足,將智能算法支持向量機引入其中。對基于統(tǒng)計學(xué)理論的支持向量機理論進行了系統(tǒng)的學(xué)習(xí),并對支持向量機的去噪能力進行了探討；然后,介紹了兩種支持向量機的增量算法,即ZD-SVM和AO-SVM,并通過對上述兩種方法的研究,分析了ZD—SVM和AO-SVM各自的優(yōu)缺點,針對AO-SVM支持向量集為空、先進先出刪除樣本點策略以及算法的不穩(wěn)定等問題,將AO-SVM和

3、ZD-SVM相結(jié)合提出了利用矩陣運算將空集轉(zhuǎn)變?yōu)榉强占?有選擇的先進先出刪除樣本點策略以及錯點剔除重新運算等改進方法；然后,針對支持向量機增量算法不斷在線學(xué)習(xí)建模策略所存在的浪費資源、誤學(xué)習(xí)等問題,應(yīng)用主元分析(PCA)監(jiān)測理論對過程特性進行監(jiān)測,再利用增量支持向量機進行在線學(xué)習(xí)從而實現(xiàn)了在線校正方法解決上述問題。最后,應(yīng)用小波去噪解決了由于大噪聲樣本建模而導(dǎo)致的PCA監(jiān)測能力丟失問題,并最終提出對于存在噪聲的慢時變系統(tǒng)在線校正PCA-