基于改进粒子群算法的 Volterra 模型参数辨识

摘要：

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。

关键词：改进粒子群算法、非线性系统、Volterra 级数、系统辨识

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11162007，11462011；甘肃省自然科学基金项目1308RJZA149

在线出版日期：2015-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：105-112