聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽 首页聽|聽简介聽|聽编委聽|聽征稿简则聽|聽英文刊聽|聽稿件流程聽|聽致读者聽|聽下载区聽|聽常见问题聽|聽联系我们
核学习自适应预测控制器的在线更新方法
Online adaptation of kernel learning adaptive predictive controller
摘要点击聽112聽聽全文点击聽66聽聽投稿时间:2010/5/11聽聽最后修改时间:2010/10/24
查看全文聽聽查看/发表评论聽聽下载PDF阅读器
DOI编号聽聽
聽聽2011,28(9):1099-1104
中文关键词聽聽非线性过程控制聽聽递推辨识聽聽预测控制聽聽核学习
英文关键词聽聽nonlinear process control聽聽recursive identification聽聽predictive control聽聽kernel learning
基金项目聽聽国家自然科学基金资助项目(61004136); 浙江省自然科学基金资助项目(Y4100457).
学科分类代码聽聽
作者单位E-mail
刘毅浙江工业大学 特种装备制造与先进加工技术教育部重点实验室 化工机械设计研究所yliuzju@zjut.edu.cn
喻海清浙江大学 工业控制研究所
高增梁浙江工业大学 特种装备制造与先进加工技术教育部重点实验室 化工机械设计研究所
王海清浙江大学 工业控制研究所
李平浙江大学 工业控制研究所
中文摘要
聽聽聽聽聽聽针对非线性过程控制器的设计问题, 将基于稀疏核学习的一种具有解析形式的自适应预测控制算法与选择性递推核学习相结合. 该在线核学习模型可以通过递推算法进行节点增长和删减的有效更新. 因此, 所提出的控制器复杂度可控, 且能学习过程的时变等特性, 从而获得更好的性能. 通过一非线性时变过程的仿真研究, 验证了所提出的核学习控制器较传统的PID和无在线更新的核学习控制器等具有更好的自适应能力和鲁棒性.
英文摘要
聽聽聽聽聽聽To design controllers for nonlinear processes, a sparse kernel learning adaptive predictive controller with an analytical form is extended to the updated form using the selective recursive kernel learning method. The online kernel learning model can be efficiently updated with node increment and decrement via recursive learning algorithms. Consequently, the proposed kernel controller can restrict its complexity and adaptively trace the time-varying characteristics of a process to achieve better performance. Simulation of the proposed kernel controller for a nonlinear time-varying process is performed. In comparing with the traditional PID controller and the related kernel controller without online updating, this controller exhibits more satisfactory adaptation and robustness.
 
  聽聽聽聽聽聽聽聽聽 您是第957228位访问者  

主办单位:华南理工大学 中国科学院数学与系统科学研究院聽聽聽聽聽 单位地址:广州市天河区五山路381号

服务热线:020-87111464聽聽 传真:020-87111464聽聽 邮编:510640 聽聽Email: aukzllyy@scut.edu.cn
 

聽聽聽聽本系统由北京勤云科技发展有限公司设计聽聽京ICP备09084417号
E世博 金宝博 888真人 八大胜 太阳城 澳盈88