一种非线性系统参数辨识的耦合算法研究
针对工程复杂性、时变性、非线性的特点,提出了基于混沌免疫粒子群算法(CIPSO)与El-man神经网络的耦合算法(CIPSD-ENN),用于非线性动态模型参数辨识.CIPSO优化算法将人工免疫系统中的克隆选择和混沌优化机制引入粒子群算法,在粒子群种群进化过程中.该算法对粒子进行克隆选择,提高其收敛速度,对克隆后的粒子混沌变异以增强种群局部搜索能力,最后,CIPSO与动态反馈型Elman神经网络融合,对其权值、阈值寻优,建立了基于CIPSO和ENN的耦合算法系统辨识模型.实验结果表明,算法具有收敛速度快、收敛精度高、鲁棒性强的特点,与单纯Elman网络辨识相比,模型收敛速度提高了10倍,拟合精度提高了2个数量级.
混沌算法、克隆选择、Elman神经网络、耦合算法、非线性动态系统
45
TP183(自动化基础理论)
国家自然科学基金资助项目50874059;教育部高等学校博士学科点专项科研基金资助项目200801470003
2011-06-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
49-53