PSO并行优化LSSVR非线性黑箱模型辨识

• 作者: 刘胜 宋佳 李高云
• 来源期刊: 智能系统学报
• 学科: 地球科学
• 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
• 年，卷（期）: 2010,（1）
• 页码范围: 51-56
• 页数: 6页
• 分类号: N945.1|TP18
• 字数: 3522字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2010.01.008

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘胜	哈尔滨工程大学自动化学院	188	1505	19.0	27.0
2	宋佳	哈尔滨工程大学自动化学院	25	209	9.0	13.0
3	李高云	哈尔滨工程大学自动化学院	12	84	6.0	8.0