基于粒子群优化的Wiener模型辨识与实例研究

被引：39

作者：

张艳 ^{[1
]}

李少远 ^{[1
]}

王笑波 ^{[2
]}

周坚刚 ^{[2
]}

机构：

[1] 上海交通大学自动化系

[2] 宝钢技术中心自动化研究所

来源：

控制理论与应用 | 2006年 / 06期

基金：

高等学校博士学科点专项科研基金;

关键词：

Wiener模型; 粒子群优化; 模型辨识; 参数估计; 收敛特性;

D O I：

暂无

中图分类号：

TP13 [自动控制理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对一类工业过程中可描述成Wiener模型的非线性系统,其辨识问题可等价成以估计参数为优化变量的非线性极小值优化问题．利用粒子群优化(PSO)算法在整个参数空间内并行搜索获得极小值优化问题的最优解(Wiener模型的最优估计),通过对粒子的迭代轨迹进行分析,改进了PSO算法中惯性权重和学习因子的选择．通过一个Wiener模型的数值仿真验证了本文提出的辨识方法的有效性和实用性,并将该方法应用在连续退火机组加热炉产品质量模型的辨识研究,取得了满意的辨识效果．

引用

页码：991 / 995

页数：5