欢迎来到天天文库
浏览记录
ID:52208997
大小:305.79 KB
页数:5页
时间:2020-03-25
《基于差分进化算法的Wiener模型辨识.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、控制理论与应用自动化技术与应用2012年第3l卷第12期ControlTheoryandApplications基于差分进化算法的Wiener模型辨识马明,徐保国,王夫栋(.江南大学物联网工程学院,江苏无锡214122)摘要:DE算法是~类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.夺义利J}]本分进化算法对wiener模型参数进行辨识,把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题,计分析r算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响,以保算泫的全局收敛性.对
2、Wiener模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线统辨识能力.关键词:参数辨识;Wiener模型;差分进化算法;粒子群算法中冈分类号:TP301.1文献标识码:A文章编号:1003724i(2012)12000105DiferentialEvolutionldentificationofWienerModeIMAMing,XUBao·guo,WANGFu—dong(ColledgeofInternetofThings,JiangnanUniversity,JiangsuWuxi214122China)Abstract:DEal
3、gorithmisapopulation—basedheuristicglobalsearchtechnology.Thealgorithmprincipleissimple,lesscontrolparameters,strongrobustness,andgoodoptimizationperformance.ThispaperusesdifferentialevolutionforparameteridentificationofWienermode1.Theidentificationproblemisequivalenttothenonlinearminimiz
4、ationproblemwiththeestimatedparametersastheoptimizedvariables,andanalyzesthescaleofpopulationNP、zoomfactor、crossoverprobabilityCRofcontrolparametersintheprocessofidentificationofglobalparallelsearchabilityandtheinfluenceofconvergencetoensuretheglobalconvergence.Anumericalsimulationresults
5、ofaWienermodelshowthatDEalgorithmiseffectiveinparameteridentificationproblem,andstrongerthanPSOinnonlinearsystemidentificationability.Keywords:parameteridentification;wienermodel;differentialevolution;particleSwarmalgorithm1引言运用量子粒子群(QPSO)算法进行系统辨识的研究,发现实际的工业过程通常具有强烈的非线性特征,而非QPSO算法具有更强的非线性
6、辨识能力,但在一定程度线性过程的线性化常常有极大的局限性,但非线性模型上增加了辨识运算的复杂性。往往能更好地描述整个生产过程的特征。因此,非线性差分进化(DifferentialEvolution)是一种基于种群个模型的参数辨识与建立,是基于模型的控制方法中研究体间差异的启发式全局随机搜索算法,作为进化算法的的重点。由Masry和Cambanis所建立的Wiener模型是一个重要分支,逐渐被国内外学者广泛关注,最早于一个线性子系统和一静态(无记忆)非线性增益串联而1995年由RainerStorn和KennethPrice为求解成.有关Wiener模型的辨识,文献[1]基
7、于粒子群(PSO)Chebyshev多项式而提出[4-6]。与一般的进化算法(如遗优化的Wiener模型辨识与实例研究,但扰动对算法的传算法、粒子群算法)相比,DE算法原理简单、容易实性能以及辨识的结果有一定程度的影响;文献【2]采用现并且受控参数少、鲁棒性强、收敛速度较快,目前广GA算法逼近非线性增益的逆函数,再应用最sb-乘法泛应用于约束优化计算[、神经网络优化[引、非线性优辨识线性子系统的参数,辨识精度达不到要求;文献[3]化控制[引、滤波器设计[1o]及其它方面。目前,DE在系统参数辨识方面的应用研究还比较少,因此,具
此文档下载收益归作者所有