基于最小二乘支持向量机的分数阶混沌系统控制

提出了基于最小二乘支持向量机(LS-SVM)的分数阶混沌系统控制方法.基于分数阶线性系统稳定理论,通过线性分离的方法将系统分解为稳定的线性部分和相应的非线性部分,再利用支持向量机良好的非线性函数逼近和泛化能力设计了主动控制器,对非线性部分进行补偿,从而将分数阶混沌系统控制到平衡点.分别以分数阶Liu系统和分数阶Chen系统为例进行了仿真研究,表明该方法是有效和可行的.     

基于反馈和多最小二乘支持向量机的分数阶混沌系统控制

根据分数阶线性系统的稳定理论,将混沌系统分成稳定的线性部分和相应的非线性部分.设计主动控制器,对非线性部分进行补偿,从而将分数阶混沌系统控制到平衡点.为了提高主动控制器的补偿能力,提出基于反馈的多最小二乘支持向量机(M-LS-SVM)拟合模型.通过减聚类方法将输入空间划分为一些小的局部空间,在每个局部空间中用LS-SVM建立子模型.为解决子模型相互之间的严重相关问题,提高模型的精度和鲁棒性,各个子模型的预测输出通过主元递归(PCR)方法连接.仿真实验表明该方法有助于提高补偿精度和系统响应指标. 关键词： 分数阶 混沌系统 多最小二乘支持向量机 反馈     

混沌光学系统辨识的支持向量机方法

将支持向量机用于混沌光学系统的辨识,以布拉格声光双稳混沌系统为例,通过计算机仿真实验,尝试了用最小二乘支持向量机进行混沌光学系统辨识的可行性,并将其与采用反向传播算法的前向神经网络辨识方法进行了比较。采用最小二乘支持向量机辨识的优点是其训练过程遵循结构风险最小化原则,不易发生过拟合现象;它通过解一组线性方程组可得到全局唯一的最优解;最小二乘支持向量机的拓扑结构在训练结束时自动获得而不需要预先确定。结果表明,本方法的辨识精度和速度均优于基于反向传播算法的前向神经网络,且对含噪混沌光学系统的辨识也同样适用,它可作为混沌光学系统辨识的有力工具。     

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     

基于最小二乘支持向量机建模的混沌系统控制

提出了基于最小二乘支持向量机（LS-SVMs）建模的混沌系统控制方法.与前向神经网络相比，LS-SVMs的优点是其训练过程遵循结构风险最小化原则，不易发生过拟合现象；它通过解一组线性方程组可得到全局惟一的最优解；LS-SVMs的拓扑结构在训练结束时自动获得而不需要预先确定.该方法不需要被控混沌系统的解析模型，且当测量噪声存在情况下控制仍然有效.以一维和二维非线性映射为例进行数值仿真，表明该方法是有效和可行的. 关键词： 混沌控制 支持向量机 建模     

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     

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Wiener模型的传感器动态非线性辨识研究

针对实际测量中传感器存在较大非线性的缺点,提出利用改进型Wiener模型描述传感器动态非线性模型;将Wiener模型的动态线性环节和静态非线性环节分别利用Laguerre函数和最小二乘支持向量机进行辨识,最终实现传感器模型的建立;通过仿真实验验证比较不同方法的辨识误差与速度,最终结果表明该方法在非线性动态传感器模型辨识方面具有明显的速度和精度优势。     

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.     

Chaotic time series prediction using least squares support vector machines

We propose a new technique of using the least squares support vector machines (LS-SVMs) for making one-step and multi-step prediction of chaotic time series. The LS-SVM achieves higher generalization performance than traditional neural networks and provides an accurate chaotic time series prediction. Unlike neural networks‘ training that requires nonlinear optimization with the danger of getting stuck into local minima, training LS-SVM is equivalent to solving a set of linear equations. Thus it has fast convergence. The simulation results show that LS-SVM has much better potential in the field of chaotic time series prediction.     

Chaotic behavior learning of Chua's circuit

Least-square support vector machines(LS-SVM) are applied for learning the chaotic behavior of Chua’s circuit.The system is divided into three multiple-input single-output(MISO) structures and the LS-SVM are trained individually.Comparing with classical approaches,the proposed one reduces the structural complexity and the selection of parameters is avoided.Some parameters of the attractor are used to compare the chaotic behavior of the reconstructed and the original systems for model validation.Results show that the LS-SVM combined with the MISO can be trained to identify the underlying link among Chua’s circuit state variables,and exhibit the chaotic attractors under the autonomous working mode.     

延迟-非线性反馈控制混沌

提出了基于稳定性准则的延迟非线性反馈控制混沌的方法，即SC延迟非线性反馈控制法. 通过对混沌系统的适当分离，得到一个特殊的非线性函数，并利用混沌输出信号与其延迟信号的非线性函数的差，构造了连续反馈输入干扰，以控制混沌轨到某一期望的不稳周期轨上. 该方法继承了延迟反馈控制方法的优点，实现了自-控制过程. 另外由于该方法基于线性系统的稳定性准则，保证了控制的有效性. 控制过程可随时开始，具有简便、灵活性. 给出耦合Duffing振子的例子，数值模拟结果显示了SC延迟反馈方法控制的有效性. 关键词： 稳定性准则 混沌控制 延迟反馈 干扰     

一类四维混沌系统切换混沌同步

构建了一类可切换的四维混沌系统，通过选择器实现这类系统间的随机切换.简要地分析了四维混沌系统平衡点的性质、混沌吸引子的相图和Lyapunov指数等特性，并设计了实现四维混沌系统切换的实际电路.利用非线性反馈控制方法实现了这类系统与其中某个系统之间的切换混沌同步.根据系统稳定性理论，得到了非线性反馈控制器的结构和系统达到混沌同步时反馈控制增益的取值范围. 关键词： 非线性反馈 混沌同步 四维混沌系统     

一类关联混沌系统的分时切换混沌同步

提出关联混沌系统分时切换混沌同步的思想.利用线性反馈控制方法实现一类关联混沌系统中各个子系统与其复制系统间的分时切换混沌同步.根据时变系统的稳定性理论,得到了使各子系统都能实现混沌同步的反馈控制增益的取值范围.数值仿真实验证明了理论分析的正确性和可行性. 关键词： 分时切换混沌同步 线性反馈 关联混沌系统     

一类关联混沌系统的分时切换混沌同步

提出关联混沌系统分时切换混沌同步的思想.利用线性反馈控制方法实现一类关联混沌系统中各个子系统与其复制系统间的分时切换混沌同步.根据时变系统的稳定性理论，得到了使各子系统都能实现混沌同步的反馈控制增益的取值范围.数值仿真实验证明了理论分析的正确性和可行性.