摘要：提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.

摘要：为了深入分析产品形态与消费者情感需求之间的关系,从认知心理学的角度,探索性地提出一种"设计特征-形态美度-感性意象"的灰箱模型,进行产品形态多意象预测。首先运用形式美学法则与计算美学理论构建产品美度指标评价体系;然后利用灰熵关联分析方法计算美度指标对多意象的影响程度,筛选主要的美度指标,避免冗余信息输入对模型预测精度的影响;最后结合各意象相互联系的特点,以主要美度指标为输入,以多意象为输出,构建多输出最小二乘支持向量回归机预测模型。利用该模型对汽车前脸3个目标意象进行了预测,结果表明其预测精度较高。