10.13465/j.cnki.jvs.2015.21.019
基于改进粒子群算法的 Volterra 模型参数辨识
针对非线性系统Volterra泛函级数模型,结合混沌优化策略和种群多样性控制思想,提出了一种改进粒子群算法,并应用于 Volterra 模型参数的辨识,将非线性系统的辨识问题转化为高维参数空间上的优化问题。利用混沌序列增加初始种群的多样性,通过构建动态子群以进行协作寻优,且各子群采用不同的参数自适应调整策略,并定义算法收敛性测度以对精英粒子进行合理的混沌变异,避免了算法早熟收敛,提高了算法的寻优速度和寻优精度。仿真实验中,将该方法与基于标准粒子群算法、遗传算法、量子粒子群算法的 Volterra 模型参数辨识方法相比较,验证了该辨识方法的有效性和鲁棒性。
改进粒子群算法、非线性系统、Volterra 级数、系统辨识
TP18(自动化基础理论)
国家自然科学基金项目11162007,11462011;甘肃省自然科学基金项目1308RJZA149
2015-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
105-112