基于支持向量机的直接逆模型辨识  

Support vector machine based direct inverse-model identification

作　　者：钟伟民[1] 皮道映[1] 孙优贤[1] 

机构地区：[1]浙江大学工业控制技术国家重点实验室现代控制工程研究所,浙江杭州310027

出　　处：《控制理论与应用》2005年第2期307-310,共4页Control Theory & Applications

基　　金：国家973项目资助(2002CB312200).

摘　　要：在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强.After a simple discussion of the principle of the inverse_model identification,a support vector machines(SVM) based direct inverse_model identification method is developed by using SVM's excellent ability of function approximation.According to the train data,linear and nonlinear systems' black_box identification is performed by using SVM with quadric polynomial and Gaussian RBF kernel respectively.Simulation results show that the performance of SVM based direct inverse_model is better than that of BP neural network in that it has better identification precision,quicker identification speed and stronger generalization ability.

关 键 词：逆模型 支持向量机(SVM) BP神经网络 建模与辨识 

分 类 号：TP13[自动化与计算机技术—控制理论与控制工程]