發(fā)布時間：2022-01-01 20:30

　　針對傳統(tǒng)辨識方法辨識非線性系統(tǒng)時存在的辨識精度低、收斂速度慢等問題,引入了一種基于混合引力搜索算法的非線性系統(tǒng)辨識方法。該混合優(yōu)化算法是將粒子群算法中群體歷史最優(yōu)位置及自身歷史最優(yōu)位置的概念引入到引力搜索算法中,通過幫助粒子接近最優(yōu)位置,改進(jìn)了搜索算法中粒子的全局搜索能力,使得該混合算法的開采能力和探索能力得到更好的增強(qiáng)和平衡。對Wiener模型進(jìn)行辨識,比較分析仿真結(jié)果,發(fā)現(xiàn)混合優(yōu)化算法能夠提高辨識精度并獲得良好的辨識效果,驗證了該算法的有效性和可行性。 

【文章來源】：青島科技大學(xué)學(xué)報(自然科學(xué)版). 2016,37(05)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 基于GSAPSO算法的Wiener模型辨識
    1.1 標(biāo)準(zhǔn)引力搜索算法
    1.2 粒子群算法
    1.3 GSAPSO混合優(yōu)化算法
2 非線性系統(tǒng)模型
    2.1 Wiener模型
    2.2 Wiener模型的辨識
3 仿真實例分析與比較
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)萬有引力搜索算法的微網(wǎng)優(yōu)化運行[J]. 李鵬,徐偉娜,周澤遠(yuǎn),李銳.  中國電機(jī)工程學(xué)報. 2014(19)
[2]基于改進(jìn)引力搜索算法的勵磁控制PID參數(shù)優(yōu)化[J]. 李超順,周建中,肖劍.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2012(10)
[3]基于改進(jìn)萬有引力搜索算法的無人機(jī)航路規(guī)劃[J]. 李沛,段海濱.  中國科學(xué):技術(shù)科學(xué). 2012(10)
[4]引力搜索算法中粒子記憶性改進(jìn)的研究[J]. 李春龍,戴娟,潘豐.  計算機(jī)應(yīng)用. 2012(10)
[5]一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識方法[J]. 李秀英,韓志剛.  控制與決策. 2011(11)
[6]基于Wiener模型的非線性預(yù)測函數(shù)控制[J]. 陳進(jìn)東,張相勝,潘豐.  吉林大學(xué)學(xué)報(工學(xué)版). 2011(S1)
[7]非線性動態(tài)系統(tǒng)的Wiener神經(jīng)網(wǎng)絡(luò)辨識法[J]. 吳德會.  控制理論與應(yīng)用. 2009(11)
[8]一種辨識Wiener-Hammerstein模型的新方法[J]. 徐小平,錢富才,王峰.  控制與決策. 2008(08)
[9]基于粒子群優(yōu)化的Wiener模型辨識與實例研究[J]. 張艷,李少遠(yuǎn),王笑波,周堅剛.  控制理論與應(yīng)用. 2006(06)



本文編號：3562789