Wiener非线性系统参数辨识智能算法研究

发布时间：2017-11-06 06:04

本文关键词：Wiener非线性系统参数辨识智能算法研究

【摘要】：由于实际工业过程几乎都是非线性系统,利用线性模型来逼近非线性系统的方法无法满足现代工业生产的需求,换言之,线性系统的辨识理论与方法已经不适用,非线性系统辨识问题亟待解决。而建立一个精确有效的非线性模型是实现非线性系统辨识和优化控制的关键和前提,目前还没有一个可以描述所有非线性过程的数学模型,基于模块的非线性模型被人们广泛关注,因为它不仅结构简单,而且可以准确有效地描述非线性系统,因此对它的研究是具有普遍意义和实用价值的。其中,Wiener模型就是一种基于模块的非线性模型,它由一个线性子模块串联一个非线性子模块构成。针对Wiener模型的参数辨识问题,传统优化算法并不能满足速度和精度的需求,因此本文考虑采用智能优化算法。本文首先对粒子群算法进行了分析研究,为了解决算法收敛速度慢的问题,通过对细菌觅食算法搜索性能的分析,提出了算法融合的改进方法;同时,在算法中引入鲶鱼效应的思想,对失活的粒子进行激活操作,提高了算法跳出局部最优值的概率,避免了早熟收敛导致的算法精度不高的情况。在对几种测试函数和经典的Wiener模型的仿真试验中,对比其它几种改进方法,验证了本文改进算法的有效性,并成功将其应用于一类基于Wiener模型的流体控制阀模型的辨识问题中。其次,基于经典Wiener模型的辨识问题,对差分进化算法的控制参数进行详细的分析,给出了参数的改进方法;并受萤火虫算法的启发,对拥堵的个体进行分散操作,提出了一种混合的差分进化算法。该改进算法在对经典Wiener模型的参数辨识中,得到较好的估计参数,通过与其它几种改进差分算法的对比,显示了本文改进算法的优越性,并在求解一类饱和传感器模型的辨识问题中验证了算法的实用性。最后,为了进一步验证本文两种改进算法在复杂Wiener模型的非线性辨识能力,将其用于辨识三阶Wiener模型和几种具有死区特性的Wiener模型,结果证明两种改进算法都能成功辨识模型的参数,并且在辨识速度和辨识精度上都远远优于标准粒子群算法和差分进化算法。
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O231.2;TP18

【参考文献】

中国期刊全文数据库前10条

1 陈水利;蔡国榕;郭文忠;陈国龙;;PSO算法加速因子的非线性策略研究[J];长江大学学报(自科版)理工卷;2007年04期

2 赵付青;唐建新;张秋余;;一种带有递减扰动项的粒子群优化算法[J];兰州理工大学学报;2011年06期

3 孙兆萍;陈娟;;基于支持向量机和Wiener模型的内模控制方法研究[J];北京化工大学学报(自然科学版);2014年06期

4 周nv;解慧力;郑柏林;廖瑞金;王时征;饶俊星;;基于混合算法的配电网故障重构与孤岛运行配合[J];电网技术;2015年01期

5 颜学峰;余娟;钱锋;丁军委;;基于改进差分进化算法的超临界水氧化动力学参数估计[J];华东理工大学学报(自然科学版);2006年01期

6 周永华,毛宗源;一种新的全局优化搜索算法——人口迁移算法(I)[J];华南理工大学学报(自然科学版);2003年03期

7 阳春华;钱晓山;桂卫华;;一种混沌差分进化和粒子群优化混合算法[J];计算机应用研究;2011年02期

8 张艳;李少远;王笑波;周坚刚;;基于粒子群优化的Wiener模型辨识与实例研究[J];控制理论与应用;2006年06期

9 刘衍民;赵庆祯;隋常玲;邵增珍;;一种基于动态邻居和变异因子的粒子群算法[J];控制与决策;2010年07期

10 熊伟丽;许文强;徐保国;;基于差分进化算法的Wiener模型辨识[J];控制工程;2012年05期