非线性Hammerstein模型的生物优化辨识

发布时间：2022-01-27 07:56

　　在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象。针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法（ACO）、杂交粒子群算法（HPSO）对非线性系统进行辨识。讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法。通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值。 

【文章来源】：无线通信技术. 2018,27(01)

【文章页数】：7 页

【文章目录】：
1 引言
2 Hammerstein模型
3 粒子群算法
    3.1 基本粒子群算法
    3.2 基于杂交的粒子群算法
    3.3 PSO参数设置
4 蚁群算法
    4.1 算法原理
    4.2 ACO参数设置
5 仿真结果
    5.1 粒子群算法
    5.2 杂交粒子群算法
    5.3 蚁群算法
    5.4 运行1200代辨识效果
    5.5 算法结果比较
6 结束语


【参考文献】：
期刊论文
[1]应用粒子群优化算法辨识Hammerstein模型[J]. 林卫星,张惠娣,刘士荣,钱积新.  仪器仪表学报. 2006(01)



本文编号：3612090