基于多核最小二乘支持向量机的永磁同步电机混沌建模及其实时在线预测

提出了多核最小二乘支持向量机的永磁同步电机混沌系统建模方法. 通过不同核函数的线性加权组合构造新的等价核,降低建模精度对核函数及其参数选择的依赖性. 理论上给出多核最小二乘支持向量机回归参数和模型输出值的求解方法. 采用关联积分计算方法对永磁同步电机混沌系统进行相空间重构,以窗式移动的在线学习方式对重构后的永磁同步电机混沌序列进行一步和多步实时在线预测,并讨论了不同测量噪声对该方法的影响. 仿真结果表明,该方法能有效提高永磁同步电机混沌系统的建模精度,具有良好的抗噪能力. 关键词： 永磁同步电机 多核学习 最小二乘支持向量机 混沌预测     

用于混沌时间序列预测的组合核函数最小二乘支持向量机

针对混沌时间序列的预测问题,考虑到单一核函数的最小二乘支持向量机无法明显提高预测精度,提出了一种组合核函数的最小二乘支持向量机预测模型,模型中采用多项式函数与径向基函数组合构建核函数.同时,还对遗传算法进行了改进,使之具有更快的收敛速度和更高的精度,改进的遗传算法适用于解决预测模型中的参数优化问题.通过典型的Lorenz时间序列、Mackey-Glass时间序列、太阳黑子数时间序列以及具有混沌特性的网络流量时间序列对该模型进行了验证.仿真结果表明所提出的模型是有效的.     

基于在线最小二乘支持向量机回归的混沌时间序列预测

提出了一种基于在线最小二乘支持向量机（LS-SVM）回归的混沌时间序列的预测方法.与离线支持向量机相比，在线最小二乘支持向量机预测方法即使当混沌系统的参数随时间变化时仍然有效.以Chen's混沌系统、Rssler混沌系统、Hénon映射及脑电(EEG)信号四种混沌时 间序列为例评估本文提出的预测方法，结果验证了其混沌时间序列预测的有效性. 关键词： 混沌时间序列 预测 在线学习 支持向量机     

基于小波核偏最小二乘回归方法的混沌系统建模研究

基于核学习的强大非线性映射能力,结合用于回归建模的线性偏最小二乘(PLS)算法,提出一种小波核偏最小二乘(WKPLS)回归方法. 该方法基于支持向量机使用的经典核函数技巧,将输入映射到高维非线性的特征空间,在特征空间中,构造线性的PLS回归模型. PLS方法利用输入与输出变量之间的协方差信息提取潜在特征,而可允许的小波核函数具有近似正交以及适用于信号局部分析的特性. 因此,结合它们优点的WKPLS方法显示了更好的非线性建模性能. 将WKPLS方法应用在非线性混沌动力系统建模上,并与基于高斯核的核偏最小二乘 关键词： 小波核 偏最小二乘回归 混沌系统 建模     

基于最小二乘支持向量机的混沌控制

利用支持向量机良好的非线性函数逼近和泛化能力，提出基于最小二乘支持向量机非线性补偿的混沌控制新方法.应用最小二乘支持向量机离线辨识混沌系统的非线性部分，并用辨识模型补偿系统的非线性，同时应用线性状态反馈控制混沌系统.对三种典型连续混沌系统的仿真研究表明，提出的控制方法可以有效的控制混沌系统到达设定的目标状态，并且由线性状态反馈控制器构成的闭环系统稳定. 关键词： 混沌控制 支持向量机 最小二乘支持向量机 状态反馈 稳定性     

基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测

为了从混沌背景中检测微弱信号,研究分析了复杂非线性系统的相空间重构理论,提出了一种基于广义窗函数的最小二乘支持向量机的预测法. 该方法以广义嵌入窗为基础,利用自关联函数法确定Lorenz系统的嵌入维数和时间延迟, 实现相空间重构,结合最小二乘支持向量机建立Lorenz系统的误差预测模型, 检测微弱目标信号(瞬态和周期信号).仿真实验表明,该方法的预测模型具有较小的误差, 能够有效地从混沌背景噪声中检测出微弱目标信号,减小噪声对目标信号的影响. 与传统方法相比,在降低检测门限的同时,能够有效地提高预测的精度, 在混沌噪声下信噪比为-87.41 dB的情况下,相对于传统支持向量机方法所得的均方根误差0.049(-54.60 dB时)降低近两个数量级至0.000036123(-87.41 dB时).     

基于差分进化算法的混沌时间序列预测模型参数组合优化

为了提高混沌时间序列预测模型的预测精度,提出一种基于差分进化（DE）算法的相空间重构和最小二乘支持向量机（LSSVM）模型参数组合优化方法．该方法将相空间重构参数和LSSVM预测模型参数进行组合作为差分进化算法的个体,以混沌时间序列预测精度作为个体的适应度函数,通过循环迭代获得最优参数组合．几个混沌时间序列的仿真实验结果表明,与传统的优化方法相比,参数组合优化方法具有更高的预测精度．     

过滤窗最小二乘支持向量机的混沌时间序列预测

传统的滑动窗策略只是简单且机械地将最远的数据移出窗口, 而将最近的数据移进窗口. 针对这种遗忘策略存在的缺陷, 提出了过滤窗策略. 过滤窗采用"优胜劣汰"的选择机制, 将对模型贡献比较大的数据留在窗口当中. 将过滤窗和最小二乘支持向量回归机相结合, 提出了过滤窗最小二乘支持向量回归机. 与滑动窗最小二乘支持向量回归机相比较, 过滤窗最小二乘支持向量回归机具有较小的计算量, 需要较短的窗口长度就能达到和滑动窗最小二乘支持向量回归机几乎相同的预测精度, 而较短的窗口长度又预示着较少的计算量和较好的实时性. 混沌时间序列在线建模和预测的实例表明了过滤窗最小二乘支持向量回归机的有效性和可行性. 关键词： 混沌时间序列 支持向量机 滑动窗 过滤窗     

混沌时间序列的支持向量机预测

根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机的强大的非线性映射能力, 建立了混沌时间序列的支持向量机预测模型,并在统计学习理论的基础上采用最小二乘方法来训练预测模型,利用该模型对嵌入维数与模型的均方根误差的关系进行了探讨.最后利用Mackey-Glass时间序列和变参数的Ikeda 时间序列对该模型进行了验证,结果表明,该预测模型能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着支持向量机是一种研究混沌时间序列的有效方法. 关键词： 混沌时间序列 支持向量机 最小二乘法     

基于对偶约束最小二乘支持向量机的混沌海杂波背景中的微弱信号检测

基于复杂非线性系统的相空间重构理论,提出一种改进的提取混沌背景中微弱信号的最小二乘支持向量机(LS-SVM)的方法.通过将信号以db3小波逐层分解,进行LS-SVM预测,再进行重构,同时通过增加对偶约束项、改进核函数的方法,建立改进的混沌序列的一步预测模型,从预测误差中检测湮没在混沌背景中的微弱目标信号(包括周期和瞬态信号).最后以Lorenz系统和真实海杂波数据作为混沌背景噪声进行了仿真实验,实验表明此方法能够有效地检测出混沌背景噪声中的微弱信号、抑制噪声对混沌背景信号的影响,与传统RBF神经网络和LS-SVM预测方法相比,预测精度和检测门限方面的性能有显著的提高.     

Control of chaos in permanent magnet synchronous motor by using optimal Lyapunov exponents placement

Permanent Magnet Synchronous Motor (PMSM) experiences chaotic behavior for a certain range of its parameters. In this case, since the performance of the PMSM degrades, the chaos should be eliminated. In this Letter, the control of the undesirable chaos in PMSM using Lyapunov exponents (LEs) placement is proposed that is also improved by choosing optimal locations of the LEs in the sense of predefined cost function. Moreover, in order to provide the physical realization of the method, nonlinear parameter estimator for the system is suggested. Finally, to show the effectiveness of the proposed methodology, the simulation results for applying this control strategy are provided.     

Controlling chaos in permanent magnet synchronous motor based on finite-time stability theory

This paper reports that the performance of permanent magnet synchronous motor (PMSM) degrades due to chaos when its systemic parameters fall into a certain area. To control the undesirable chaos in PMSM, a nonlinear controller, which is simple and easy to be constructed, is presented to achieve finite-time chaos control based on the finite-time stability theory. Computer simulation results show that the proposed controller is very effective. The obtained results may help to maintain the industrial servo driven system's security operation.     

参数不确定永磁同步电机混沌的模糊控制

通过Takagi-Sugen控制技术,建立了参数不确定永磁同步电机的Takagi-Sugen模糊控制模型,然后利用矩阵分析和Lyapunov稳定性理论,得到了参数不确定永磁同步电机渐进稳定的充分条件,最后通过实例证实了结果的正确性,相比传统的模糊控制方法,基于Takagi-Sugen模型的模糊控制方法具有一定的优越性. 关键词： 混沌控制 Takagi-Sugen模型 模糊控制 永磁同步电机     

Impulsive control for permanent magnet synchronous motors with uncertainties: LMI approach

A permanent magnet synchronous motor (PMSM) may have chaotic behaviours under certain working conditions, especially for uncertain values of parameters, which threatens the security and stability of motor-driven operation. Hence, it is important to study methods of controlling or suppressing chaos in PMSMs. In this paper, the stability of a PMSM with parameter uncertainties is investigated. After uncertain matrices which represent the variable system parameters are formulated through matrix analysis, a novel asymptotical stability criterion is established by employing the method of Lyapunov functions and linear matrix inequality technology. An example is also given to illustrate the effectiveness of our results.     

基于微分几何方法的永磁同步电动机的混沌运动的控制

永磁同步电动机(PMSM)在某些参数及工作条件下会出现混沌运动，这将危及电机传动系统的稳定运行，因此如何抑制或消除PMSM中的混沌成为保持其稳定性的关键问题.利用微分几何控制理论，首先从解析上推导出PMSM混沌运动控制律的表达式，然后对控制过程进行仿真.理论分析及数值仿真结果表明：该控制策略不仅行之有效，而且相对其他控制方法具有一定的优越性.研究结果对保证电机传动系统的稳定运行具有较好的参考价值. 关键词： 混沌控制 微分几何 准确线性化 永磁同步电动机     

基于LaSalle不变集定理自适应控制永磁同步电动机的混沌运动

基于LaSalle不变集定理,设计自适应混沌控制器对永磁同步电动机中的混沌进行控制.由于该控制器能自动跟踪平衡点,无需预先知道系统平衡点位置,不需要改变受控系统原有的结构, 因此设计直接简便,控制代价小,易于工程实现.仿真结果表明了该方法的有效性. 关键词： LaSalle不变集定理 自适应律 混沌控制 永磁同步电动机     

永磁同步电动机中基于冲洗滤波技术的混沌控制研究

针对永磁同步电动机中存在的混沌运动,给出了一种基于冲洗滤波（washout filter）技术的永磁同步电动机混沌控制方法.该方法以永磁同步电动机的电流作反馈,实现了混沌运动的控制.该控制方法不影响原系统的参数,只需要调整滤波器的控制参数,算法简单、易于工程实现.数值仿真结果表明了该方法的有效性和鲁棒性. 关键词： 冲洗滤波器 永磁同步电动机 混沌控制     

A nonlinear model for calibration of blood glucose noninvasive measurement using near infrared spectroscopy

In order to improve prediction accuracy of calibration in human blood glucose noninvasive measurement using near infrared (NIR) spectroscopy, a modified uninformative variable elimination (mUVE) method combined with kernel partial least squares (KPLS), named as mUVE–KPLS, is proposed as an alternative nonlinear modeling strategy. Under the mUVE method, high-frequency noise and matrix background can be eliminated simultaneously, which provide a optimized data for calibration in sequence; under the kernel trick, a nonlinear relationship of response variable and predictor variables is constructed, which is different with PLS that is a complex model and inappropriate to describe the underlying data structure with significant nonlinear characteristics. Two NIR spectra data of basic research experiments (simulated physiological solution samples experiment in vitro and human noninvasive measurement experiment in vivo) are introduced to evaluate the performance of the proposed method. The results indicate that, after elimination high-frequency noise and matrix background from optical absorption of water in NIR region, a high-quality spectra data is employed in calibration; and under the selection of kernel function and kernel parameter, the best prediction accuracy can be got by KPLS with Gaussian kernel compared with Spline-PLS and PLS. It is encouraging that mUVE–KPLS is a promising nonlinear calibration strategy with higher prediction accuracy for blood glucose noninvasive measurement using NIR spectroscopy.