协同粒子群算法下的火工品参数辨识

发布时间：2021-09-23 07:49

　　为解决火工品起爆过程中线性函数不能解决的不确定性、非线性强和火工品参数难获得的问题,文章采用Volterra模型与协同粒子群算法相结合的思想对火工品参数进行获取,从而对火工品进行合理分析,确保火工品的安全性和可靠性。通过对协同粒子群算法、递推最小二乘法的实验仿真结果进行对比可以看出,文章基于协同粒子群算法（CPSO）的Volterra模型参数辨识算法,对标准粒子群算法的过早收敛问题、遗传算法搜索速度慢的问题进行了有效的改善,对算法的辨识速度和辨识精度有很大的提升。 

【文章来源】：企业科技与发展. 2020,(09)

【文章页数】：3 页

【部分图文】：

充放电电路

从表达式中可以看出，模型的核向量为H=[2.71,-0.55,0.81,1.06,0,0,1.61,-1.75,0]T。利用本文提出的协同粒子群算法对上述Volterra模型进行辨识，设置系统的输入信号为[0,1]之间的均匀白噪声信号，种群大小为80，空间维数设定为20，最大迭代次数为600，然后进行多次辨识测试实验，然后取平均值。表1和表2分别为协同粒子群算法、递推最小二乘法（RLS）无噪声条件下和噪声比为20 d B情况下所得到的Volterra模型参数的估计值。

发火能量辨识曲线

【参考文献】：
期刊论文
[1]基于协同进化粒子群算法的航空发动机多管路布局优化[J]. 于雷.  电子设计工程. 2020(02)
[2]火工品电参数测试技术研究[J]. 张莉莉,吴永红,张月魁,马琛,戴宜霖.  宇航计测技术. 2018(06)
[3]基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究[J]. 王春暖,李文卿,吴庆朝.  机床与液压. 2016(03)
[4]基于协同进化粒子群算法的系统辨识[J]. 吕微微,张宏立.  计算机仿真. 2016(01)
[5]基于协同粒子群算法的PMSM在线参数辨识[J]. 程善美,张益.  电气传动. 2012(11)
[6]具有量子行为的协同粒子群优化算法[J]. 周頔,孙俊,须文波.  控制与决策. 2011(04)
[7]火工品输出动态多参数测试系统的构建与考虑[J]. 严楠,付永杰.  宇航计测技术. 2008(02)
[8]桥丝式电火工品安全电流的预测[J]. 强涛,周彬,秦志春,陈西武,田桂蓉,徐振相.  南京理工大学学报(自然科学版). 2006(01)
[9]基于反馈策略的自适应粒子群优化算法[J]. 俞欢军,张丽平,陈德钊,胡上序.  浙江大学学报(工学版). 2005(09)

硕士论文
[1]基于Volterra级数的非线性模拟电路故障诊断方法的研究[D]. 周立启.西安电子科技大学 2012
[2]火工品多参数测试系统设计[D]. 赵金芳.中北大学 2011
[3]基于量子粒子群优化的Volterra核辨识及故障诊断方法研究[D]. 蒋静.郑州大学 2010



本文编号：3405326