基于在线支持向量回归的非线性模型预测控制方法

论文研究-具有可变终端代价项的非线性模型预测控制.pdf,  针对离散时间非线性系统的模型预测控制问题, 提出了一种具有可变自调节终端代价项的模型预测控制方案. 此方案通过引入自调节因子, 并对其设定

运用区间算法的约束非线性系统鲁棒模型预测控制

针对一类带有约束的非线性系统，提出一种非线性时间最优模型预测控制算法。这种方法首先基于Jacobian线性化将非线性进行线性化，能够推导一系列凸优化问题，而且产生的线性化误差在Lipschitz条件下

鉴于传统在线最小二乘支持向量机在解决时变对象的回归问题时, 模型跟踪精度不高, 支持向量不够稀疏, 结合迭代策略和约简技术, 提出一种在线自适应迭代约简最小二乘支持向量机. 该方法考虑新增样本与历史数

分析了利用支持向量回归求解多分类问题的思想,提出了一种基于局部密度比权重设置模型的加权最小二乘支持向量回归模型来单步求解多分类问题：该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本

基于ε-支持向量回归机的盲均衡算法，王振朋，张立毅，支持向量机是解决有限样本学习的有效工具，由于其具有优良的泛化性能，本文提出了一种基于ε-支持向量回归机的盲均衡算法，并且利

针对带有海浪干扰和参数不确定的SWATH船运动控制问题, 提出基于干扰观测器的SWATH船运动非线性预测控制. 首先对SWATH船运动进行建模、参数求解和海浪干扰仿真; 然后根据运动模型设计非线性预测

为了提升经济模型预测控制的经济性能指标, 提出一种切换控制策略. 首先, 依据Lyapunov 稳定性理论给出理想和扰动下的两类估计可行域, 并实时检测系统状态; 然后, 根据系统状态所处不同区域,

支持向量回归机（讲述如何将SVM从分类应用到到回归中去）

针对复杂非线性系统的控制问题, 采用数据驱动的控制策略, 将具有本质自适应能力的即时学习算法与具 有强鲁棒性的滑模预测控制相结合, 设计了一种基于即时学习的滑模预测(LL-SMPC) 控制方法. 该方