基于最小二乘支持向量机的迟滞建模方法
提出了一种将最小二乘支持向量机(LS-SVMs)应用于迟滞系统建模的方法。该方法将迟滞历史信息作为最小二乘支持向量机输入的一部分，使迟滞系统的多对一映射转变为一对一映射，并利用最小二乘支持向量机的非线性逼近能力，建立了迟滞系统的动态模型。以软磁材料为例，对该方法的有效性进行了验证，并与当前常用的神经网络(NNs)迟滞系统建模方法进行比较。实验结果表明，该方法具有建模精度高、训练速度快的优点。在实例中，最小二乘支持向量机建模误差比神经网络低一个数量级，而训练时间只有神经网络的三分之一，较好地克服了神经网络的缺陷。
迟滞建模 最小二乘支持向量机 神经网络 动态模型
康传会 汪晓东 汪轲 常健丽
浙江师范大学电子工程系,金华321004
国内会议
北京
中文
1330-1333
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）