谢 春 利， 邵 诚， 赵 丹 丹

（1.大连理工大学 电子信息与电气工程学部，辽宁 大连 116024；2.大连民族学院 机电信息工程学院，辽宁 大连 116600；3.大连民族学院 计算机科学与工程学院，辽宁 大连 116600）

0 引 言

动态逆[1]方法是一种行之有效的非线性系统控制方法.但是常规的逆系统方法要求受控对象有精确数学模型，这对于大多数工业过程难以做到，即使建立起非线性动力学模型，一般也难以求得逆模型的解析形式.由于神经网络具有对任意非线性动态特性逼近的能力，有些学者[2、3]提出了基于神经网络动态逆的非线性系统自适应控制方法，得到了很好的应用效果.其基本思想是，利用离线神经网络辨识受控对象的动态逆模型，同时通过在线神经网络自适应地补偿系统的动态逆误差.但是神经网络算法存在局部最小点、结构设计困难、过学习现象及收敛速度慢等缺点，使其应用具有一定的局限性.

最小二乘支持向量机（least squares support vector machines，LS－SVM）[4～6]是近十年来机器学习领域的一个重要成果，它把标准支持向量机训练中的二次规划问题转化为解线性方程组问题，极大地提高了训练效率.此外，它保持了标准支持向量机的强大泛化和全局最优能力，因此LS－SVM能够克服神经网络的固有缺陷.目前，利用LS－SVM对未知非线性动态特性进行逆建模的控制方案有了许多成功的应用[7～14].但是，这些方法没有考虑到动态逆误差的影响，同时也不能保证闭环系统的稳定性.

本文提出基于LS－SVM动态逆的非……