10.16652/j.issn.1004-373x.2021.09.028
基于改进飞蛾优化算法的Hammerstein系统辨识
研究了在重尾噪声影响下多输入多输出(MIMO)Hammerstein系统的辨识问题.考虑到传统辨识方法在重尾噪声干扰下可能会失效,结合RBF神经网络和飞蛾优化(MFO)算法的优势,提出一种新型的辨识方案.利用RBF神经网络拟合静态非线性模块,通过将辨识问题转化为优化问题对线性部分和非线性部分的参数同时进行更新.为了提升飞蛾优化算法的辨识性能,将高斯混合分布思想引入到飞蛾位置更新中,提出一种新型的高斯混合飞蛾优化(GMFO)算法.实验结果证明了所提方法的有效性.
多输入多输出Hammerstein模型、系统辨识、飞蛾优化算法、横向定位、高斯混合分布、测试函数、RBF神经网络、重尾噪声
44
TN911.73-34;TP273
国家自然科学基金资助项目61673004
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
140-146