基于自适应蚁群优化的Volterra核辨识算法研究

被引：8

作者：

李志农 ^{[1
]}

唐高松 ^{[2
]}

肖尧先 ^{[1
]}

邬冠华 ^{[1
]}

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

来源：

振动与冲击 | 2011年 / 30卷 / 10期

关键词：

自适应蚁群优化; Volterra级数; 非线性系统; 系统辨识;

D O I：

10.13465/j.cnki.jvs.2011.10.016

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,提出的方法优于蚁群优化辨识方法。

引用

页码：35 / 38

页数：4

共 4 条

[1] 用于连续函数优化的蚁群算法 [J].