基于LS-SVM的机载天线伺服机构自适应控制

纪 永，李广超

（1.上海建峰职业技术学院 教务处，上海 201900；2.上海大学 电子与信息工程学院，上海 200433）

摩擦力是高性能伺服机构运行过程中需要考虑的重要非线性因素。当伺服机构运行于机载条件下，即所受外力是快时变、变化范围大时，将机载天线伺服机构视为具有参数不确定性的非线性系统就更加必要。传统PID控制方法无法给出满意的控制效果，近年来，控制领域学者已经就此问题提出了各自的解决方法，特别是自适应控制、智能控制等控制方法为参数不确定性的非线性系统提供了新的控制思路等[1-2]。如文献[3]自适应矩阵控制解决伺服系统高速制造运行中电流变化问题，但没有讨论低速率运行条件。文献[4]依据非线性跟踪微分器的基本思想提出一种等效微分估计方法，对摩擦等非线性项的在线估计采用干扰观测器及低通滤波器的方式进行，未论证或证明估计结论。文献[5]采用自抗扰控制器抑制伪线性复合系统中非线性因素的作用，引入扩张状态观测器对不确定性的估计，增加了控制的复杂性，对伺服系统的实时性要求比较高。

在统计学习理论中，Vapnik最早基于结构风险最小化理论提出的支持向量机 （SVM）在充分学习的前提下具备了优越的泛化能力[6]，因此在机器学习领域得到了广泛研究与应用。SVM模型的核心是不等式约束条件下的二次规划问题，求解成本较大。针对这个问题，Suykens提出了最小二乘支持向量机（LS-SVM）。LS-SVM将SVM中的不等式约束条件转换成等式约束条件进行求解，缩减了计算的复杂度，更便于计算机的在线实现。……