基于改进粒子群算法的Volterra模型参数辨识

被引：8

作者：

卫晓娟

丁旺才

李宁洲

周学舟

机构：

[1] 兰州交通大学机电工程学院

来源：

振动与冲击 | 2015年 / 34卷 / 21期

关键词：

改进粒子群算法; 非线性系统; Volterra级数; 系统辨识;

D O I：

10.13465/j.cnki.jvs.2015.21.019

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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。

引用

页码：105 / 112

页数：8

共 16 条

[1] Particle swarm optimization with FUSS and RWS for high dimensional functions [J].

Cui, Zhihua ;

Cai, Xingjuan ;

Zeng, Jianchao ;

Sun, Guoji .

APPLIED MATHEMATICS AND COMPUTATION, 2008, 205 (01) :98-108

[2]

On the improved performances of the particle swarm optimization algorithms with adaptive parameters; cross-over operators and root mean square (RMS) variants for computing optimal control of a class of hybrid systems.[J].M. Senthil Arumugam;M.V.C. Rao.Applied Soft Computing Journal.2007, 1

[3] Volterra system identification using adaptive genetic algorithms [J].