永磁球形电机的支持向量机模型的参数寻优

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (726 KB)
输出: BibTeX | EndNote (RIS)

摘要提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法（GA）参数寻优、粒子群（PSO）寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	鞠鲁峰
	王群京
	李国丽
	胡存刚
	钱喆

关键词 ：永磁球形电机, 支持向量机, 回归, 网格参数寻优算法, 遗传算法, 粒子群寻优算法

Abstract：A new mathematical modeling method named support vector machine(SVM) model for permanent magnet spherical motors is presented. Three parameter optimization algorithms based on grid search, genetic algorithm(GA) and particle swarm optimization(PSO) are used respectively. The parameters obtained by three algorithms are analyzed and compared, and the algorithm which most fits the SVM model of permanent magnet spherical motor is confirmed.

Key words： Permanent magnet spherical motor SVM regress grid parameter optimization algorithm GA PSO

收稿日期: 2012-05-24 出版日期: 2014-06-16

PACS:

TM351

基金资助:国家自然科学基金（50677013,51177001）和国家863高技术基金（2007AA04Z214）资助项目; 收稿日期 2012-05-24 改稿日期2012-11-02

作者简介: 鞠鲁峰男,1983年生,博士,研究方向为电机及其优化设计。王群京男,1960年生,教授,博士生导师,研究方向为电机及其控制、新型电力传动等。

引用本文:

鞠鲁峰, 王群京, 李国丽, 胡存刚, 钱喆. 永磁球形电机的支持向量机模型的参数寻优[J]. 电工技术学报, 2014, 29(1): 85-90. Ju Lufeng, Wang Qunjing, Li Guoli, Hu cungang, Qian Zhe. Parameter Optimization for Support Vector Machine Model of <br/>Permanent Magnet Spherical Motors. Transactions of China Electrotechnical Society, 2014, 29(1): 85-90.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2014/V29/I1/85

[1] Vladimir Vapnik, Esther Levin, Yann Le Cun. Measuring the VC-dimension of learning machines[J], Neural Computation, 1994, 6(5): 851-867.
[2] Nello Cristianini, John Shawe Taylor. 支持向量机导论[M]. 李国正等译. 北京: 北京电子工业出版社, 2004.
[3] Olivier Chapelle, Vladimir Vapnik, Olivier Bousquet, et al. Choosing multiple parameters for support vector machines[J]. Machine Learning, 2002, 46(1): 131-159.
[4] 李兵, 姚全珠, 罗作民, 等. 基于网格模式搜索的支持向量机模型选择[J]. 计算机工程与应用, 2008, 44(15): 136-138.
Li Bing, Yao Quanzhu, Lou Zuomin, et al. Gird-pattern method for model selection of support vector machines[J]. Computer Engineering and Applications, 2008, 44(15): 136-138.
[5] Chen P W, Jungying W, Hahnming L. Model selection of SVMs using GA approach[C]. Proceedings of IEEE International Joint Conference on Neural Networks, Piscataway, 2004: 2035-2040.
[6] Wang Cunrui, Duan Xiaodong, Liu Xiangdong, et al. A modified basic particle swarm optimization algorithm[J]. Computer Engineering, 2004, 30(21): 35-37.
[7] 任洪娥, 霍满冬. 基于PSO 优化的SVM 预测应用研究[J]. 计算机应用研究, 2009, 26(3): 867-869.
Ren Honge, Huo Dongman. Support vector machine optimized by particle swarm optimization algorithm for holding nail force forecasting[J]. Application Research of Computers, 2009, 26(3): 867-869.
[8] 李争. 仿人机器人关节用永磁球形步进电动机的基础研究[D]. 合肥: 合肥工业大学, 2006.
[9] 茆诗松, 王金玉, 周纪芗. 参数设计思想与方法的研究[J]. 应用概率统计, 1993, 9(4): 438- 448.
Mao Shisong, Wang Jinyu, Zhou Jixiang, et al. Research of idea and mebod of parameter design[J]. Chinese Journal of Applied Probability and Statistics, 1993, 9(4): 438-448.
[10] 刘东平, 单甘霖, 张岐龙. 基于改进遗传算法的支持向量机参数优化[J]. 微计算机应用, 2010, 31(5): 11-15.
Liu Dongping, Shan Ganlin, Zhang Qilong. Parameters optimization of support vector machine based on improved genetic algorithm[J]. Microcom- puter Applications, 2010, 31(5): 11-15.
[11] Kennedy J, Eberhart R. Particle swarm optimi- zation[C]. Proc. IEEE International Conf. on Neural Networks, 1995: 1942-1948.