运用ADE算法进行Wiener模型辨识

摘要：

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响；其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解；在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.

关键词：差分进化算法、自适应变异、参数辨识、Wiener模型

所属期刊栏目：25

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目21206053,21276111;博士后基金项目1101021B,2012M511678

在线出版日期：2013-06-28（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：969-974,982