基于决策函数及PSO优化的SVM预测控制应用研究

• 作者: 王杰 陈锴鹏
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 支持向量机 决策函数 粒子群算法 预测控制
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 计算机与控制
• 页码范围: 53-56
• 页数: 4页
• 分类号: TP181
• 字数: 2757字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6833.2013.02.014

摘要

SVM处理大样本问题时性能明显不如神经网络,因此笔者利用矩阵变换进行决策函数的简化来提升SVM的训练速度,对SVM建模时非必需的支持向量进行约简,并引入一个松弛变量来提升约简效果.实验证明,约简后支持向量个数减少三分之一以上.SVM所建立的模型进行线性化之后应用于预测控制当中,采用PSO算法来选择最优的SVM参数和计算预测控制的最优控制律.通过对水泥回转窑窑尾烟室温度的数据进行实验仿真,结果表明该方法可以提高系统响应速度,减小系统响应的超调量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	郑州大学电气工程学院	142	1137	17.0	27.0
2	陈锴鹏	郑州大学电气工程学院	1	3	1.0	1.0