原文服务方: 自动化与仪表       
摘要:
基于回归最小均方支持向量机(LS-SVM),针对一类单输入单输出不确定非线性控制系统,提出了一种新的观测器的设计方法.在这个算法中,主要假设LS-SVM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的.LS-SVM的最终解可以化为一个具有线性约束的二次规划问题,不存在局部极小;考虑到LS-SVM本身参数对LS-SVM性能的影响,文中利用贝叶斯证据框架对LS-SVM的参数进行优化和软测量建模,从而提高LS-SVM的逼近能力.理论研究和仿真例子证实了所提方法的可行性和有效性.
推荐文章
基于LS-SVM的非线性系统自适应输出反馈控制
最小二乘支持向量机
非线性系统
自适应控制
反馈控制
基于LS-SVM的非线性系统盲辨识
盲辨识
支持向量机
过采样
融合小波变换与贝叶斯LS-SVM的网络流量预测
网络流量预测
小波变换
支持向量机
最小二乘支持向量机
贝叶斯框架
基于PSO滚动优化的LS-SVM预测控制
非线性模型预测控制
非线性建模
最小二乘支持向量机
粒子群算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于贝叶斯回归LS-SVM的非线性系统观测
来源期刊 自动化与仪表 学科
关键词 LS-SVM 非线性控制系统 观测器 贝叶斯框架 优化 信号输入输出
年,卷(期) 2011,(7) 所属期刊栏目 专题研究
研究方向 页码范围 5-9
页数 分类号 TP273
字数 语种 中文
DOI 10.3969/j.issn.1001-9944.2011.07.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗飞 华南理工大学自动化科学与工程学院 165 1277 17.0 27.0
2 叶洪涛 广西工学院电子信息与控制工程系 18 136 7.0 11.0
3 杨红 广州大学物理与电子工程学院 21 114 6.0 9.0
4 王瑞 华南理工大学自动化科学与工程学院 5 26 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (7)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (2)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(4)
  • 参考文献(0)
  • 二级参考文献(4)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
LS-SVM
非线性控制系统
观测器
贝叶斯框架
优化
信号输入输出
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自动化与仪表
月刊
1001-9944
12-1148/TP
大16开
1981-01-01
chi
出版文献量(篇)
3994
总下载数(次)
0
总被引数(次)
18195
论文1v1指导