非线性Hammerstein模型的生物优化辨识

摘要：

在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象.针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法(ACO)、杂交粒子群算法(HPSO)对非线性系统进行辨识.讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法.通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值.

关键词：Hammerstein模型、非线性系统、系统优化辨识、杂交粒子群算法、蚁群算法

所属期刊栏目：27

分类号：TP273(自动化技术及设备)

资助基金：浙江省重中之重学科开放基金项目XKXL1312;浙江省科技厅公益技术应用研究项目2013C31090;宁波产业技术应用重大专项2016B10020

在线出版日期：2018-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：50-56