基于改进差分进化算法的Wiener模型辨识

发布时间：2022-02-24 03:35

　　针对非线性Wiener模型的参数辨识问题,提出了一种基于Sigmoid函数及自适应算子改进差分进化（improved differential evolution algorithm with Sigmoid function and adaptive mutation operator,SADE）算法的参数辨识方法。利用Sigmoid函数及自适应变异算子改进了基本差分进化算法的变异操作部分,改进的方法能够有效地克服基本差分进化算法的过早收敛和不稳定性等缺点。将该改进差分进化算法应用于对非线性Wiener模型的参数辨识问题,达到了较高的辨识精度。在仿真试验中,与其它已有方法进行比较,仿真结果说明了所给的参数辨识方法是合理和有效的。 

【文章来源】：系统仿真学报. 2016,28(01)北大核心CSCD

【文章页数】：7 页

【文章目录】：
引言
1 基本DE算法
2 SADE算法及数值仿真
    2.1 SADE算法描述
    2.2 数值仿真
        (1) Griewank函数:
        (2) Rastrigrin函数:
3 辨识Wiener模型
    3.1 问题描述
    3.2 应用SADE算法辨识Wiener模型
    3.3 数值仿真
4 结论


【参考文献】：
期刊论文
[1]基于鲁棒优化的系统辨识算法研究[J]. 钱富才,黄姣茹,秦新强.  自动化学报. 2014(05)
[2]热工系统Hammerstein-Wiener模型辨识[J]. 刘长良,任燕燕,王东风,孟丽.  计算机仿真. 2013(09)
[3]改进自适应差分进化算法求解大规模整数任务分配[J]. 王永皎.  计算机应用. 2012(08)
[4]基于Wiener模型的pH中和过程非线性DMC控制[J]. 马海芳,朱凌云,王富强.  化工自动化及仪表. 2010(09)
[5]非线性动态系统的Wiener神经网络辨识法[J]. 吴德会.  控制理论与应用. 2009(11)
[6]基于PSO算法的系统辨识方法[J]. 徐小平,钱富才,刘丁,王峰.  系统仿真学报. 2008(13)
[7]一种非线性系统多项式逼近的建模方法[J]. 罗秋滨,李秀英,韩志刚,冯汝鹏.  系统仿真学报. 2008(04)
[8]基于粒子群优化的Wiener模型辨识与实例研究[J]. 张艳,李少远,王笑波,周坚刚.  控制理论与应用. 2006(06)
[9]非线性系统Wiener模型辨识[J]. 胡德文,王正志.  自动化学报. 1991(02)



本文编号：3641893