基于支持向量机的磁力轴承系统辨识研究

苏义鑫，张 丽，蓝 天

(1.武汉理工大学自动化学院，湖北 武汉 430070;2.华中科技大学电气与电子工程学院，湖北 武汉 430074)

磁力轴承是典型的机电一体化非线性系统，动态性能较复杂。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该模型的参数。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。针对该问题，将神经网络技术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进行辨识，取得了不错的效果。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、过学习和训练过程中存在局部极小等。

从理论上讲，支持向量机因采用了二次规划寻优，故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[7－9];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，笔者采用支持向量机回归理论对系统的非线性模型进行辨识。……