基于量子粒子群优化的Volterra核辨识算法研究

被引：6

作者：

李志农 ^{[1
]}

蒋静 ^{[2
]}

陈金刚 ^{[2
]}

邬冠华 ^{[1
]}

李学军 ^{[3
]}

机构：

[1] 南昌航空大学无损检测技术教育部重点实验室

[2] 郑州大学机械工程学院

[3] 湖南科技大学机械设备健康维护湖南省重点实验室

来源：

振动与冲击 | 2013年 / 32卷 / 03期

关键词：

量子粒子群优化; Volterra级数; 非线性系统辨识;

D O I：

10.13465/j.cnki.jvs.2013.03.002

中图分类号：

N945.14 [系统辨识]; TP18 [人工智能理论];

学科分类号：

071102 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将量子粒子群优化(QPSO)引入非线性Volterra系统辨识中,提出基于量子粒子群优化(QPSO)的Volterra级数辨识方法,利用QPSO算法估计出非线性系统的Volterra核函数。将所提方法与传统的最小二乘(LMS)辨识方法进行比较,仿真结果验表明,在无噪声干扰下,所提方法与LMS方法都具有很好的辨识精度和收敛性。而在有噪声干扰下,无论在辨识精度、收敛性和抗干扰性方面,所提方法都优于传统的LMS方法,且随噪声的增强优势越明显。

引用

页码：60 / 63+74 +74

页数：5

共 7 条

[1]

Feature Extraction for Damage Detection in Structures Based on Nonlinearity Analysis.[J].Peng Zhi Ke;Lang Z.Q.;Wolters C.;Billings S.A..Key Engineering Materials.2009, 413

[2] Chaos quantum particle swarm optimization for reactive power optimization considering voltage stability [J].