基于在线支持向量回归的非线性模型预测控制方法

• 作者: 潘丰 陈进东
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 非线性模型 预测控制 在线支持向量回归 最速下降原理
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 460-464
• 页数: 5页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2012.1699

摘要

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点，提出一种基于在线支持向量回归的非线性模型预测控制方法。该方法通过在线支持向量回归离线训练与在线学习相结合的方式，建立具有在线校正特性的预测模型，同时采用最速下降原理滚动优化非线性模型预测控制的目标函数，求得多步控制量。通过对非线性对象的控制结果表明，所提出方法有效且具有良好的自适应性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘丰	江南大学轻工过程先进控制教育部重点实验室	203	1133	16.0	23.0
2	陈进东	江南大学轻工过程先进控制教育部重点实验室	11	132	6.0	11.0