基于支持向量机的磁力轴承系统辨识的研究

《基于支持向量机的磁力轴承系统辨识的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于支持向量机的磁力轴承系统辨识的研究摘要：针对磁力轴承控制系统的设计分析，文中提出了一种基于支持向量机（SVM）的磁力轴承系统辨识方法。首先通过闭环控制使转子稳定悬浮，然后在控制器的输出信号中加入扰动信号，以使系统被充分的激励。在此闭环控制系统的基础上，对控制输入数据和输出数据进行采样，然后用SVM算法对磁力轴承系统进行辨识分析。该辨识系统的输入为控制电流，输出为转子位移。并将该方法与BP神经网络进行比较，仿真结果表明，SVM用于磁力轴承系统辨识具有良好的辨识效果，辨识精度高，且训练速度快。利用SVM对磁力轴承进行辨识，为将SVM应用于磁力轴承控制器的研究提供了一种参考方法。关键词：支

2、持向量机；磁力轴承；非线性系统；系统辨识中图分类号：TP183文献标识码：AResearchonActiveMagneticBearingSystemIdentificationBasedonSupportVectorMachineAbstract：Amethodoftheactivemagneticbearingsystemidentificationbasedonsupportvectormachine(SVM)isproposedformeetingthedemandofthesystem’sanalysisandcontrol.Forastablysuspendedrotor,a

3、randomdisturbancewasaddedtotheoutputoftheclosedloopcontrollerinordertosufficientlyexcitetheactivemagneticbearing.Inthemodel,sampletheinputparameterandtheoutputparameteroftheactivemagneticbearingsystem,thenidentifythesystemwithSVMmethod.thecontrolcurrentisdefinedastheinputparameter;therotor’sdispl

4、acementisdefinedasoutputparameter.Atthesametime,comparetheSVMmethodwiththeBPmethod.Simulationresultsshowthat,SVMfortheidentificationofmagneticbearingsystemhasagoodrecognitionresults,whichprovidesareferencemethodforthecontrolleroftheactivemagneticbearing.Keywords：SupportVectorMachine;ActiveMagneti

5、cBearingSystem;Nonlinearsystems;Identification-1-1引言磁力轴承是典型的机电一体化非线性系统，动态性能较为复杂。一般在平衡点附近进行线性化处理，然后再根据线性化系统的方法设计控制器[1-2]。传统的系统辨识方法是通过建立对象的参数模型，把辨识问题转化为参数的估计问题。这类算法成功地应用于线性系统或可线性化系统的辨识。文献[3]的递推最小二乘估计算法、文献[4]的单纯形法都是将磁力轴承模型线性化，得出依赖于参数的二阶模型，然后由实际系统的输入输出数据辨识出此模型的参数。但线性化模型与实际模型存在误差，当转子大范围工作时，可能导致控制失败。针对

6、此问题，神经网络作为强有力的技术手段被成功地应用于磁力轴承系统辨识与控制。文献[5]和文献[6]采用BP算法对磁力轴承系统辨识取得不错效果。但神经网络仍有一些不易解决的难题，如隐层节点数的选择、过学习、训练过程中存在局部极小等问题。从理论上讲，支持向量机由于采用了二次规划寻优，因而可以得到全局最优解，解决了在神经网络中无法避免的局部极小问题；由于采用了核函数，巧妙解决了维数问题，使得算法复杂度与样本维数无关，非常适合于处理非线性问题[8-10]；另外，支持向量机应用了结构风险最小化原则，具有非常好的推广能力。因此，文中采用支持向量机[7]回归理论对系统的非线性模型进行辨识。通过对磁力轴承

7、系统的仿真实验，验证了方法的有效性。为磁力轴承控制器的设计打下基础。2支持向量机回归原理2.1支持向量机回归算法简介支持向量机是Vapnik[7]-5-提出的一种基于统计学习和结构风险最小化原理的新型学习机。其基本思想是基于最小化VC维的上界来控制用于拟合函数的样本容量，并具有良好的泛化能力。假设辨识系统的输入输出样本集为，，回归问题就是求取一个回归函数（1）使得对于任何输入，都能够在精度范围内找到对应的输出。并且满足期望风险函数最