PSO算法在非线性系统模型参数估计中的应用

被引：18

作者：

苏成利

徐志成

王树青

机构：

[1] 浙江大学先进控制研究所工业控制技术国家重点实验室

来源：

信息与控制 | 2005年 / 01期

关键词：

微粒群算法; 非线性系统; 参数估计;

D O I：

10.13976/j.cnki.xk.2005.01.025

中图分类号：

TP13 [自动控制理论];

学科分类号：

摘要：

将微粒群优化(PSO)算法用于非线性系统模型参数估计,并通过对谷氨酸菌体生长模型的参数估计进行了验证.实验结果表明:微粒群算法为非线性系统模型参数估计提供了一种有效的途径.*

引用

页码：123 / 125

页数：3

共 6 条

[1] 运用改进的遗传算法估计发酵动力学模型参数 [J].

郑启富 ;

徐明仙 .

天津化工, 2003, (01) :56-57

[2] 基于遗传算法的非线性系统模型参数估计 [J].

姜波 ;

汪秉文 .

控制理论与应用, 2000, (01) :150-152

[3] 用遗传算法辨识发酵动力学模型参数 [J].

蔡煜东 ;

陈常庆 .

化工学报, 1995, (03) :338-342

[4] 用人工神神经网络法辨识发酵动力学模型参数 [J].

蔡煜东 ;

陈常庆 ;

周斌 ;

陈德辉 .

生物数学学报, 1994, (04) :103-107

[5]

系统辨识[M]. 浙江大学出版社 , 冯培悌编著, 1999

[6]

Recent approaches to global optimization problems through Particle Swarm Optimization[J] . K.E. Parsopoulos,M.N. Vrahatis.Natural Computing . 2002 (2-3)

← 1 →