基于TB-PC算法的MISO系统辨识的研究

发布时间：2022-01-07 06:33

　　如何保持MISO系统辨识的精确度、收敛度、耗时以及跳出局部最优解,是当今研究的热点和难点。提出了一种基于协同进化策略和禁忌搜索的蝙蝠和粒子群混合算法（TB-PC）,分析蝙蝠算法控制参数,提出了合理的脉冲频度和音强初值,将蝙蝠算法与粒子群算法的优势用协同进化结合起来,并引入了禁忌搜索。通过对四个测试函数和MISO系统实例的辨识仿真,验证了TB-PC算法具有稳定性能好、收敛精度高等优点,对MISO系统有优良的辨识效果。 

【文章来源】：电气自动化. 2017,39(04)

【文章页数】：5 页

【文章目录】：
0 引言
1 蝙蝠算法基本原理
2 蝙蝠算法的改进
    2.1 BA与PSO协同进化
    2.2 禁忌搜索
    2.3 TB-PC算法流程
3 TB-PC算法性能测试
4 MISO系统辨识仿真
5 结束语


【参考文献】：
期刊论文
[1]新型全局优化蝙蝠算法[J]. 李煜,马良.  计算机科学. 2013(09)
[2]一种改进的变步长自适应蝙蝠算法及其应用[J]. 张宇楠,刘付永.  广西民族大学学报(自然科学版). 2013(02)
[3]具有Lévy飞行特征的蝙蝠算法[J]. 刘长平,叶春明.  智能系统学报. 2013(03)
[4]遗传变异蝙蝠算法在0-1背包问题上的应用[J]. 李枝勇,马良,张惠珍.  计算机工程与应用. 2014(11)
[5]改进量子粒子群算法及其在系统辨识中的应用[J]. 黄宇,韩璞,刘长良,李永玲.  中国电机工程学报. 2011(20)
[6]多个未知时延的MISO系统的递推辨识[J]. 王建宏,王道波,王志胜.  控制与决策. 2010(01)

博士论文
[1]禁忌搜索及其并行化研究[D]. 贺一.西南大学 2006



本文编号：3574016