基干支持向量机和模型的内模控制

风靡全球

基干支持向量机和模型的内模控制

工业过程的被控对象许多是非线性的，如中和控制、石油炼制、换热过程等，针对这类非线性问题，均可以采用模型来代表过程对象的模型。从模型组成来说，是由一个线性模型和一个非线性模型串联组成；从模型的适用范围来说，模型描述了一类动态线性与静态非线性可以分离的系统。研究模型的控制方法具有很大的实际应用价值和代表性。

支持向量机与传统的神经网络相比，神经网络方法是系统随机产生一个超平面，并通过移动超平面使属于不同类型的数据正好落在超平面的不同侧面上，这决定了神经网络方法进行数据分类绝大的情况下获得的并不是最优解；而支持向量机是根据不同的数据來寻找一个满足数据分类要求的超平面，并且使它两侧的空白区域最大，从而使训练集中的点距离分类面的距离尽可能远，表现出优于传统神经网络方法的性能。

本文中所用的模型将系统分为线性模型和非线性模型两部分，运用支持向量机逼近非线性模型的阶逆模型，与直接求取整个系统的逆模塑相比，不但简化了计算，而且提高了逆模型的精度。

将激励信号激励下的非线性部分的输出训练样本集々，々和输入数据分别作为的输入和输出训练样本，进行训练。图为逼近的逆模型，

由于实际输出（即训练后的输出）与期望输出（即样本输出）曲线基本重合，可以得出采用方法求得电机的逆模型精度很高，均方误差。

对电机采用内模控制，由于电机模型的非线性部分与支持向量机求得的阶逆模型组成的伪线性系统具有二阶枳分特性.

工业过程中参加化学反应的溶液一般会要求含有一定的酸度或碱度；此外为了避免污染环境，在污水处理过程中也要求处理过的污水值控制在一定的范围内；以上场合都需要对值进行控制。即值表示氧离子浓度的负对数，这一过程是非线性过程，建模的最大困难在于过程中存在时变性和很严重的非线性特性，一般的线性模型不可能近似这一过程，可以釆用模型来描述这一过程。模型非线性部分可以很好的描述中和过程中非线性滴定曲线。

ph中和过程是工业中典型的非线性过程之一，强酸强碱中和反应在搅拌反应爸中进行，反应的过程是一个非线性被控对象，用模型来表示这一过程。式为模型中的线性模型，式为非线性模型。

; X5 k5 h) K! q. M! v9 U8 T5 @1 t