基于支持向量机的系统辨识及其在下肢康复器械驱动建模中的应用

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 199-203.

基于支持向量机的系统辨识及其在下肢康复器械驱动建模中的应用

刘通^1,2, 李海富², 任丽晔², 臧睦君³

1. 长春理工大学电子信息工程学院,长春 130022;
2. 长春大学电子工程学院,长春 130022;
3. 吉林大学通信工程学院,长春 130012

收稿日期:2012-06-03 发布日期:2013-06-01
通讯作者: 李海富(1964-),男,副教授.研究方向:智能控制、医疗器械.E-mail:haifuli@163.com E-mail:haifuli@163.com
作者简介:刘通(1987-),男,硕士研究生.研究方向:模式识别与智能系统.E-mail:q285441338@126.com
基金资助:
吉林省教育厅资助项目(吉教科合字[2012]第243号).

Application of system identification for rehabilitation equipment-driven based on GS-SVM

LIU Tong^1,2, LI Hai-fu², REN Li-ye², ZANG Mu-jun³

1. College of Electronic and Information Engineering, Changchun University of Science and Technology, Changchun 130022, China;
2. School of Electronic Engineering, Changchun University, Changchun 130022, China;
3. College of Communication Engineering, Jilin University, Changchun 130012, China

Received:2012-06-03 Published:2013-06-01

摘要/Abstract

摘要：

针对被控模型的特性,分析了支持向量机系统辨识模型,并使用Matlab仿真建模的方法对下肢康复器械模型进行了研究,训练参数使用网格搜索算法,最终优化了系统。仿真结果表明,提出的方法在准确度和相关度方面均比较出色。

关键词: 康复器械, 支持向量机, 网格搜索, 系统辨识

Abstract:

According to the characteristics of controlled model,the support vector machine system identification model was analyzed,and the lower limb rehabilitation model was studied by using the Matlab simulation modeling and the grid search algorithm was selected to train parameter to optimize the system,the simulation results show that the proposed method has advantage of accuracy and relevance.

Key words: rehabilitation equipment, support vector machine, grid search, system identification

中图分类号:

TP181

刘通, 李海富, 任丽晔, 臧睦君. 基于支持向量机的系统辨识及其在下肢康复器械驱动建模中的应用[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 199-203.

LIU Tong, LI Hai-fu, REN Li-ye, ZANG Mu-jun. Application of system identification for rehabilitation equipment-driven based on GS-SVM[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 199-203.

参考文献

[1] Vapnik V.The nature of statistical learning theory [M].New York:Springer,1999.

[2] Smola A.A tutorial on support vector regression.NC-TR-98-030,London:Royal Holloway College,University of London,UK,1998.

[3] CAO L J,GU Q M.Dynamic support vector machines for non-stationary time series forecasting[J].Intelligent Data Analysis,2002,6(1):67-83.

[4] HU Q,RANGAIAH G P.Adaptive internal model control of nonlinear process [J].Chemical Engineering Science,1999,54(9):1205-1218.

[5] 赵洪涛.CIP-I智能人工腿步速控制系统的研制[D].长沙:中南大学信息科学与工程学院,2007. Zhao Hong-tao.Development of walking speed control system for CIP-I intelligent artificial leg[D].Changsha:School of Information Science and Engineering,Central South University,2007.

[6] 边肇祺,张学工.模式识别[M].第二版.北京:清华大学出版社,2000:122-205.

[7] 邓乃扬,田英杰.数据挖掘中的新方法—支持向量机[M].北京:科学出版社,2004:132-188.

[8] CORTES C,VAPNIK V N.Support vector networks[J].Machine Learning,1995,20(3):273-297.

[9] 梁华,李应红,尉询楷,等.航空发动机的支持向量机自适应PID控制[J].航空动力学报,2007,22(1):138-141. Liang Hua,Li Ying-hong,Wei Xun-kai,et al.Support vector machines PID adaptive control in aeroengine[J].Journal of Aerospace Power,2007,22(1):138-141.

[10] 李仁兵,李艾华,白向峰,等.支持向量机的进化多核设计[J].控制理论与应用,2011,28(6):793-798. Li Ren-bing,Li Ai-hua,Bai Xiang-feng,et al.Evolutionary multiple kernels design for support vector machines[J].Control Theory & Applications,2011,28(6):793-798.

[11] 杨海燕,周永权.一种支持向量机的混合核函数[J].计算机应用,2009,29(12):173-178. Yang Hai-yan,Zhou Yong-quan.Mixture kernel function of support vector machines[J].Journal of Computer Applications,2009,29(12):173-178.

[12] 颜根廷,马广富,肖余之.一种混合核函数支持向量机算法[J].哈尔滨工业大学学报,2007,39(11):1704-1706. Yan Gen-ting,Ma Guang-fu,Xiao Yu-zhi.Support vector machines based on hybrid kernel function[J].Journal of harbin Institute of Technology,2007,39(11):1704-1706.

相关文章 15

[1]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[2]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[3]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[4]	袁哲明, 张弘杨, 陈渊. 基于特征选择和支持向量机的HIV-1型蛋白酶剪切位点预测[J]. 吉林大学学报(工学版), 2017, 47(2): 639-646.
[5]	梁士利, 魏莹, 潘迪, 张玲, 许廷发, 王双维. 基于语谱图行投影的特定人二字汉语词汇识别[J]. 吉林大学学报(工学版), 2017, 47(1): 294-300.
[6]	商强, 杨兆升, 张伟, 邴其春, 周熙阳. 基于奇异谱分析和CKF-LSSVM的短时交通流量预测[J]. 吉林大学学报(工学版), 2016, 46(6): 1792-1798.
[7]	赵云鹏, 于天来, 焦峪波, 宫亚峰, 宋刚. 异形桥梁损伤识别方法及参数影响分析[J]. 吉林大学学报(工学版), 2016, 46(6): 1858-1866.
[8]	周炳海, 徐佳惠. 基于支持向量机的多载量小车实时调度[J]. 吉林大学学报(工学版), 2016, 46(6): 2027-2033.
[9]	卢英, 王慧琴, 秦立科. 高大空间建筑火灾精确定位方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2067-2073.
[10]	马知行, 赵琦, 张浩. 基于傅立叶分析的持家基因预测模型[J]. 吉林大学学报(工学版), 2016, 46(5): 1639-1643.
[11]	王品, 何璇, 吕洋, 李勇明, 邱明国, 刘书君. 基于多特征支持向量机和弹性区域生长的膝软骨自动分割[J]. 吉林大学学报(工学版), 2016, 46(5): 1688-1696.
[12]	张静, 刘向东. 混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测[J]. 吉林大学学报(工学版), 2016, 46(4): 1097-1102.
[13]	申铉京, 翟玉杰, 卢禹彤, 王玉, 陈海鹏. 基于信道补偿的说话人识别算法[J]. 吉林大学学报(工学版), 2016, 46(3): 870-875.
[14]	宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨. 基于支持向量机的通勤日活动-出行持续时间预测[J]. 吉林大学学报(工学版), 2016, 46(2): 406-411.
[15]	张浩, 刘海明, 吴春国, 张艳梅, 赵天明, 李寿涛. 基于多特征融合的绿色通道车辆检测判定[J]. 吉林大学学报(工学版), 2016, 46(1): 271-276.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed