基于统计学习的复杂系统建模及控制技术研究

复杂系统的建模和控制是国家自然科学基金鼓励资助的研究领域。针对复杂系统建模与控制技术的研究因为其挑战性和研究成果的普适性而一直是控制界的热点和难点。本项目研究基于统计学习的复杂系统建模与控制问题，主要包括：1.研究基于统计学习的复杂系统在线辨识技术，包括提出快速有效的能跟踪对象动态变化的高斯过程（GP）在线训练算法；提出多入多出（MIMO）型支持向量机（SVM）及其在线训练算法，提高算法实时性，使GP和MIMO型SVM能适用于复杂系统模型的在线辨识。2.基于概率SVM的复杂系统故障诊断技术，包括研究适用于复杂系统的概率SVM建模技术；在此基础上研究系统运行故障诊断技术。3.设计非线性系统基于SVM的自适应控制器，分析得到闭环稳定性条件。相关理论研究结果将通过计算机仿真和控制实验加以验证改进。项目研究成果将为复杂系统提供新的更有效的建模与控制方法，具有重要的理论意义和实用价值。