非线性MIMO系统辨识：多输出ε-SVR模型研究

"这篇论文是2008年发表在《控制与决策》杂志第23卷第7期上的自然科学论文，由蔡艳宁和胡昌华撰写。研究重点是针对非线性多输入多输出（MIMO）系统的黑箱辨识问题，提出了一种新的多输出ε-支持向量回归机（ε-SVR）模型。" 正文: 非线性MIMO系统辨识是现代控制理论中的一个重要课题，由于其复杂性和非线性特性，传统的辨识方法往往难以提供准确的模型。这篇论文提出了一种创新的解决方案，即基于ε不敏感损失函数的多输出支持向量回归机模型。ε-SVR是一种监督学习方法，常用于非线性回归问题，它的核心在于最小化误差并在训练数据周围形成一个ε-边界，使得大部分数据点在这个边界内，从而提高预测的精度。 在多输出模型中，ε-SVR可以同时处理多个相互关联的输出变量，这在传统的支持向量回归机中是不可行的，因为它们通常需要为每个输出独立建立模型。论文中，作者设计了一个优化问题，该问题的目标是最小化所有输出的结构风险总和，且包含了正则项以防止过拟合。此外，该模型允许为每个输出选择不同的核函数和模型参数，这增强了模型的灵活性和适应性，可以更好地捕捉不同输出之间的复杂关系。 为了求取模型的偏置，论文还提出了一个有效的算法，这对于构建准确的回归模型至关重要。偏置是决定模型预测性能的关键因素，它可以调整模型的中心位置，使得模型更接近实际数据的分布。 通过将多输出ε-SVR模型应用于非线性MIMO系统的辨识，仿真结果显示，这种新方法能够克服传统SVR模型的局限性，不再需要为每个输出单独建模，大大简化了辨识过程。同时，它还能提升系统的整体辨识能力，意味着对系统的动态行为和响应的预测更准确，这对于系统控制和优化具有重要意义。 关键词：多输出支持向量回归机、MIMO系统、黑箱辨识。这篇论文的贡献在于提供了一个更有效、更灵活的非线性MIMO系统辨识工具，对于未来的研究和工程应用具有参考价值。