系统辨识的粒子群优化方法

被引:29
作者
王峰 [1 ,2 ]
邢科义 [1 ]
徐小平 [3 ]
机构
[1] 西安交通大学机械制造系统工程国家重点实验室
[2] 西安交通大学理学院
[3] 西安理工大学理学院
关键词
结构辨识; 参数辨识; 粒子群优化算法; 组合优化;
D O I
暂无
中图分类号
N945.14 [系统辨识];
学科分类号
摘要
研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型,即首先将系统结构辨识问题转化为组合优化问题,然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能,提出了一种改进的粒子群优化算法.仿真结果表明,给出的辨识算法是合理的,虽然扰动对算法的性能以及辨识结果有一定的影响,但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数,且与已有辨识算法相比更加有效.
引用
收藏
页码:116 / 120
页数:5
相关论文
共 10 条
[1]   粒子群优化算法综述 [J].
杨维 ;
李歧强 .
中国工程科学, 2004, (05) :87-94
[2]   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
[3]   粒子群优化算法分析及研究进展 [J].
朱丽莉 ;
杨志鹏 ;
袁华 .
计算机工程与应用, 2007, (05) :24-27
[4]   一种利用种群平均信息的粒子群优化算法 [J].
苏晋荣 ;
李兵义 ;
王晓凯 .
计算机工程与应用 , 2007, (10) :58-59+120
[5]   粒子群优化算法模型分析 [J].
潘峰 ;
陈杰 ;
甘明刚 ;
蔡涛 ;
涂序彦 .
自动化学报, 2006, (03) :368-377
[6]   基于遗传算法的系统辨识方法研究 [J].
刘树安 ;
唐非 .
系统工程理论与实践, 2007, (03) :134-139
[7]   粒子群优化算法的惯性权值递减策略研究 [J].
陈贵敏 ;
贾建援 ;
韩琪 .
西安交通大学学报, 2006, (01) :53-56+61
[8]  
系统辨识及其MATLAB仿真[M]. 科学出版社 , 侯媛彬等编著, 2004
[9]  
系统辨识理论及应用[M]. 国防工业出版社 , 李言俊,张科编著, 2003
[10]  
系统辨识[M]. 浙江大学出版社 , 冯培悌编著, 1999