一种基于粒子群优化的非线性系统辨识方法

被引:7
作者
李秀英
韩志刚
机构
[1] 黑龙江省普通高等学校电子工程重点实验室
关键词
非线性系统辨识; 粒子群优化; 特征参量; 改进泛模型;
D O I
10.13195/j.cd.2011.11.30.lixy.005
中图分类号
TP13 [自动控制理论]; N945.14 [系统辨识];
学科分类号
0711 ; 071102 ; 0811 ; 081101 ; 081103 ;
摘要
针对单入单出离散时间非线性动态系统提出一种辨识方法.该方法采用带误差修正的改进泛模型作为非线性系统的结构模型,模型中的时变特征参量及误差修正系数采用粒子群(PSO)算法优化,优化后的模型可以逼近非线性系统.该方法简单、易于实现.通过对Box-Jenkins煤气炉数据等非线性被控对象的仿真研究及对模型的分析,表明了所提出算法的有效性.
引用
收藏
页码:1627 / 1631
页数:5
相关论文
共 12 条
[1]  
数据驱动控制理论及方法的回顾和展望[J]. 侯忠生,许建新.自动化学报. 2009(06)
[2]   基于微粒群算法的非线性系统建模方法研究 [J].
邵雷 ;
雷虎民 ;
刘代军 ;
崔颢 .
控制与决策, 2009, 24 (01) :149-152
[3]   基于PSO算法的系统辨识方法 [J].
徐小平 ;
钱富才 ;
刘丁 ;
王峰 .
系统仿真学报, 2008, (13) :3525-3528
[4]   一种非线性系统多项式逼近的建模方法 [J].
罗秋滨 ;
李秀英 ;
韩志刚 ;
冯汝鹏 .
系统仿真学报, 2008, (04) :829-832
[5]   基于Hammerstein模型描述的非线性系统辨识新方法 [J].
向微 ;
陈宗海 .
控制理论与应用, 2007, (01) :143-147
[6]   基于改进粒子群优化算法的混沌系统参数估计方法 [J].
高飞 ;
童恒庆 .
物理学报, 2006, (02) :577-582
[7]   非线性系统辨识方法的新进展 [J].
李秀英 ;
韩志刚 .
自动化技术与应用, 2004, (10) :5-7
[8]   应用粒子群优化的非线性系统辨识 [J].
柯晶 ;
钱积新 .
电路与系统学报, 2003, (04) :12-15+7
[9]   一种基于并行遗传算法的非线性系统辨识方法 [J].
蒙祖强 ;
蔡自兴 ;
不详 .
控制与决策 , 2003, (03) :367-370+374
[10]   基于一种新模糊模型的非线性系统模糊辨识 [J].
刘福才 ;
关新平 ;
裴润 .
控制理论与应用, 2003, (01) :113-116