搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

陈强 任雪梅

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

陈强, 任雪梅
PDF
导出引用
  • 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.
    • 基金项目: 国家自然科学基金(批准号:60474033和60974046)资助的课题.
    [1]

    [1]Pillay P, Krishnan R 1989 IEEE Trans Ind. Appl. 25 265

    [2]

    [2]Rahman M A, Zhou P 1996 IEEE Trans. Ind. Electron. 43 256

    [3]

    [3]Ooshima M, Chiba A 2004 IEEE Trans. En. Convers. 19 569

    [4]

    [4]Li Z, Park J B, Joo Y H, Zhang B, Chen G 2002 IEEE Trans. Circ. Syst. 1 49 383

    [5]

    [5]Jing Z, Yu C, Chen G 2004 Chaos, Solitons. Fract. 22 831

    [6]

    [6]Xue W 2009 Acta Phys. Sin. 58 8146 (in Chinese) [薛薇 2009 物理学报 58 8146]

    [7]

    [7]Zhang B, Li Z, Mao Z Y 2002 Cont. Theory Appl. 19 841 (in Chinese) [张波、李忠、毛宗源 2002控制理论与应用 19 841]

    [8]

    [8]Zhang J M, Wang K J 2007 Proc. Chin. Soc. Electr. Engng. 27 7 (in Chinese) [张建民、王科俊 2007中国电机工程学报 27 7]

    [9]

    [9]Tan W, Wang Y N, Liu Z R, Zhou S W 2003 Acta Phys. Sin. 52 795 (in Chinese) [谭文、王耀南、刘祖润、周少武 2003 物理学报52 795]

    [10]

    ]Wang Y S, Sun J, Wang C J, Fan H D 2008 Acta Phys. Sin. 57 6120 (in Chinese) [王永生、孙谨、王昌金、范洪达 2008 物理学报 57 6120]

    [11]

    ]Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713 (in Chinese) [张军峰、胡寿松 2007 物理学报 56 713]

    [12]

    ]Vapnik V 1995 The Nature of Statistical Learning Theory (Singapore: World Scientific)

    [13]

    ]Suykens J A K, Gestel T V, Brabanter, Moor B D, Vandewalle J 2002 Least Squares Support Vector Machines (Singapore: World Scientific)

    [14]

    ]Ye M Y, Wang X D, Zhang H R 2005 Acta Phys. Sin. 54 2568 (in Chinese) [叶美盈、汪晓东、张浩然 2005 物理学报 54 2568]

    [15]

    ]Guo Z K, Song Z Q, Mao J Q 2009 Contr. Decis. 24 145 (in Chinese)[郭振凯、宋召青、毛剑琴 2009控制与决策 24 145]

    [16]

    ]Zien A, Ong C S 2007 Proceeding of the 24th International Conference on Machine Learning Oregon, USA, June 20—24 2007 P1191

    [17]

    ]Hu M, Chen Y, Kwok J T 2009 IEEE Trans. Neural Network 20 827

    [18]

    ]Zhang J F, Hu S S 2008 Acta Phys. Sin. 57 2708 (in Chinese) [张军峰、胡寿松 2008 物理学报 57 2708]

    [19]

    ]Takens F 1981 Lecture Notes in Mathematics (Berlin: Springer) p366

    [20]

    ]Kantz H, Schreiber T 1997 Nonlinear Time Series Analysis (Cambridge: Cambridge University Press)

    [21]

    ]Fraster A M, Swinney H L 1986 Phys. Rev. A 33 1134

    [22]

    ]Kugiurmtzis D 1996 Physica D 28 13

    [23]

    ]Kim H S, Eykholt R, Salas J D 1999 Physica D 127 48

    [24]

    ]Kuhn H W, Tucker A W 1951 Proceedings of 2nd Berkeley Symposium (Berkeley: University of California Press) p481

    [25]

    ]Mercer J 1909 Philos. Trans. Roy. Soc. 209 415

  • [1]

    [1]Pillay P, Krishnan R 1989 IEEE Trans Ind. Appl. 25 265

    [2]

    [2]Rahman M A, Zhou P 1996 IEEE Trans. Ind. Electron. 43 256

    [3]

    [3]Ooshima M, Chiba A 2004 IEEE Trans. En. Convers. 19 569

    [4]

    [4]Li Z, Park J B, Joo Y H, Zhang B, Chen G 2002 IEEE Trans. Circ. Syst. 1 49 383

    [5]

    [5]Jing Z, Yu C, Chen G 2004 Chaos, Solitons. Fract. 22 831

    [6]

    [6]Xue W 2009 Acta Phys. Sin. 58 8146 (in Chinese) [薛薇 2009 物理学报 58 8146]

    [7]

    [7]Zhang B, Li Z, Mao Z Y 2002 Cont. Theory Appl. 19 841 (in Chinese) [张波、李忠、毛宗源 2002控制理论与应用 19 841]

    [8]

    [8]Zhang J M, Wang K J 2007 Proc. Chin. Soc. Electr. Engng. 27 7 (in Chinese) [张建民、王科俊 2007中国电机工程学报 27 7]

    [9]

    [9]Tan W, Wang Y N, Liu Z R, Zhou S W 2003 Acta Phys. Sin. 52 795 (in Chinese) [谭文、王耀南、刘祖润、周少武 2003 物理学报52 795]

    [10]

    ]Wang Y S, Sun J, Wang C J, Fan H D 2008 Acta Phys. Sin. 57 6120 (in Chinese) [王永生、孙谨、王昌金、范洪达 2008 物理学报 57 6120]

    [11]

    ]Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713 (in Chinese) [张军峰、胡寿松 2007 物理学报 56 713]

    [12]

    ]Vapnik V 1995 The Nature of Statistical Learning Theory (Singapore: World Scientific)

    [13]

    ]Suykens J A K, Gestel T V, Brabanter, Moor B D, Vandewalle J 2002 Least Squares Support Vector Machines (Singapore: World Scientific)

    [14]

    ]Ye M Y, Wang X D, Zhang H R 2005 Acta Phys. Sin. 54 2568 (in Chinese) [叶美盈、汪晓东、张浩然 2005 物理学报 54 2568]

    [15]

    ]Guo Z K, Song Z Q, Mao J Q 2009 Contr. Decis. 24 145 (in Chinese)[郭振凯、宋召青、毛剑琴 2009控制与决策 24 145]

    [16]

    ]Zien A, Ong C S 2007 Proceeding of the 24th International Conference on Machine Learning Oregon, USA, June 20—24 2007 P1191

    [17]

    ]Hu M, Chen Y, Kwok J T 2009 IEEE Trans. Neural Network 20 827

    [18]

    ]Zhang J F, Hu S S 2008 Acta Phys. Sin. 57 2708 (in Chinese) [张军峰、胡寿松 2008 物理学报 57 2708]

    [19]

    ]Takens F 1981 Lecture Notes in Mathematics (Berlin: Springer) p366

    [20]

    ]Kantz H, Schreiber T 1997 Nonlinear Time Series Analysis (Cambridge: Cambridge University Press)

    [21]

    ]Fraster A M, Swinney H L 1986 Phys. Rev. A 33 1134

    [22]

    ]Kugiurmtzis D 1996 Physica D 28 13

    [23]

    ]Kim H S, Eykholt R, Salas J D 1999 Physica D 127 48

    [24]

    ]Kuhn H W, Tucker A W 1951 Proceedings of 2nd Berkeley Symposium (Berkeley: University of California Press) p481

    [25]

    ]Mercer J 1909 Philos. Trans. Roy. Soc. 209 415

  • [1] 刘 涵, 刘 丁, 任海鹏. 基于最小二乘支持向量机的混沌控制. 物理学报, 2005, 54(9): 4019-4025. doi: 10.7498/aps.54.4019
    [2] 田中大, 高宪文, 石彤. 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. 物理学报, 2014, 63(16): 160508. doi: 10.7498/aps.63.160508
    [3] 阎晓妹, 刘丁. 基于最小二乘支持向量机的分数阶混沌系统控制. 物理学报, 2010, 59(5): 3043-3048. doi: 10.7498/aps.59.3043
    [4] 唐舟进, 任峰, 彭涛, 王文博. 基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法. 物理学报, 2014, 63(5): 050505. doi: 10.7498/aps.63.050505
    [5] 行鸿彦, 金天力. 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. 物理学报, 2010, 59(1): 140-146. doi: 10.7498/aps.59.140
    [6] 行鸿彦, 程艳燕, 徐伟. 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. 物理学报, 2012, 61(10): 100506. doi: 10.7498/aps.61.100506
    [7] 陈增强, 薛薇, 郭彦岭. 永磁同步电机的混沌分析及其电路实现. 物理学报, 2009, 58(12): 8146-8151. doi: 10.7498/aps.58.8146
    [8] 王时龙, 张小洪, 杨丹, 李东. 参数不确定永磁同步电机混沌的模糊控制. 物理学报, 2009, 58(3): 1432-1440. doi: 10.7498/aps.58.1432
    [9] 唐舟进, 彭涛, 王文博. 一种基于相关分析的局域最小二乘支持向量机小尺度网络流量预测算法. 物理学报, 2014, 63(13): 130504. doi: 10.7498/aps.63.130504
    [10] 王时龙, 李东, 张小洪, 杨丹. 参数不确定永磁同步电机混沌的模糊脉冲控制. 物理学报, 2009, 58(5): 2939-2948. doi: 10.7498/aps.58.2939
    [11] 唐传胜, 戴跃洪. 参数不确定永磁同步电机混沌系统的有限时间稳定控制. 物理学报, 2013, 62(18): 180504. doi: 10.7498/aps.62.180504
    [12] 吴忠强, 吴昌韩, 赵立儒, 贾文静. 基于哈密顿函数的永磁同步电机混沌系统鲁棒控制. 物理学报, 2015, 64(9): 090503. doi: 10.7498/aps.64.090503
    [13] 陈强, 南余荣, 邢科新. 基于扩张状态观测器的永磁同步电机混沌系统自适应滑模控制. 物理学报, 2014, 63(22): 220506. doi: 10.7498/aps.63.220506
    [14] 龙文, 焦建军, 龙祖强. 基于PSO优化LSSVM的未知模型混沌系统控制. 物理学报, 2011, 60(11): 110506. doi: 10.7498/aps.60.110506
    [15] 叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. 物理学报, 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
    [16] 赵永平, 张丽艳, 李德才, 王立峰, 蒋洪章. 过滤窗最小二乘支持向量机的混沌时间序列预测. 物理学报, 2013, 62(12): 120511. doi: 10.7498/aps.62.120511
    [17] 叶美盈. 基于最小二乘支持向量机建模的混沌系统控制. 物理学报, 2005, 54(1): 30-34. doi: 10.7498/aps.54.30
    [18] 王新迎, 韩敏. 多元混沌时间序列的多核极端学习机建模预测. 物理学报, 2015, 64(7): 070504. doi: 10.7498/aps.64.070504
    [19] 任 韧, 徐 进, 朱世华. 最小二乘支持向量域的混沌时间序列预测. 物理学报, 2006, 55(2): 555-563. doi: 10.7498/aps.55.555
    [20] 杨红, 王瑞. 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. 物理学报, 2011, 60(7): 070508. doi: 10.7498/aps.60.070508
  • 引用本文:
    Citation:
计量
  • 文章访问数:  4107
  • PDF下载量:  1178
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-07-31
  • 修回日期:  2009-09-21
  • 刊出日期:  2010-02-05

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

  • 1. 北京理工大学自动化学院,北京 100081
    基金项目: 

    国家自然科学基金(批准号:60474033和60974046)资助的课题.

摘要: 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.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回