資源描述：
《基于差分進(jìn)化算法的Wiener模型辨識(shí).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、控制理論與應(yīng)用自動(dòng)化技術(shù)與應(yīng)用2012年第3l卷第12期ControlTheoryandApplications基于差分進(jìn)化算法的Wiener模型辨識(shí)馬明，徐保國(guó)，王夫棟(．江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無(wú)錫214122)摘要：DE算法是～類基于種群的啟發(fā)式全局搜索技術(shù)，該算法原理簡(jiǎn)單，控制參數(shù)少，魯棒性強(qiáng)，具有良好的優(yōu)化性能．奪義利J}]本分進(jìn)化算法對(duì)wiener模型參數(shù)進(jìn)行辨識(shí)，把辨識(shí)問(wèn)題等價(jià)為以估計(jì)參數(shù)為優(yōu)化變量的非線性極小值優(yōu)化問(wèn)題，計(jì)分析r算法中種群規(guī)模NP、縮放因子F、交叉概率CR等控制參數(shù)對(duì)辨識(shí)過(guò)程中的全局并行搜索能力和收斂速度的影響，以保算泫的全局收斂性．對(duì)
2、Wiener模型的數(shù)值仿真結(jié)果表明了DE算法在參數(shù)辨識(shí)問(wèn)題中的有效性，以及較PSO算法更強(qiáng)的非線統(tǒng)辨識(shí)能力．關(guān)鍵詞：參數(shù)辨識(shí)；Wiener模型；差分進(jìn)化算法；粒子群算法中岡分類號(hào)：TP301．1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003724i(2012)12000105DiferentialEvolutionldentificationofWienerModeIMAMing，XUBao·guo，WANGFu—dong(ColledgeofInternetofThings，JiangnanUniversity，JiangsuWuxi214122China)Abstract：DEal
3、gorithmisapopulation—basedheuristicglobalsearchtechnology．Thealgorithmprincipleissimple，lesscontrolparameters，strongrobustness，andgoodoptimizationperformance．ThispaperusesdifferentialevolutionforparameteridentificationofWienermode1．Theidentificationproblemisequivalenttothenonlinearminimiz
4、ationproblemwiththeestimatedparametersastheoptimizedvariables，andanalyzesthescaleofpopulationNP、zoomfactor、crossoverprobabilityCRofcontrolparametersintheprocessofidentificationofglobalparallelsearchabilityandtheinfluenceofconvergencetoensuretheglobalconvergence．Anumericalsimulationresults
5、ofaWienermodelshowthatDEalgorithmiseffectiveinparameteridentificationproblem，andstrongerthanPSOinnonlinearsystemidentificationability．Keywords：parameteridentification；wienermodel；differentialevolution；particleSwarmalgorithm1引言運(yùn)用量子粒子群(QPSO)算法進(jìn)行系統(tǒng)辨識(shí)的研究，發(fā)現(xiàn)實(shí)際的工業(yè)過(guò)程通常具有強(qiáng)烈的非線性特征，而非QPSO算法具有更強(qiáng)的非線性
6、辨識(shí)能力，但在一定程度線性過(guò)程的線性化常常有極大的局限性，但非線性模型上增加了辨識(shí)運(yùn)算的復(fù)雜性。往往能更好地描述整個(gè)生產(chǎn)過(guò)程的特征。因此，非線性差分進(jìn)化(DifferentialEvolution)是一種基于種群個(gè)模型的參數(shù)辨識(shí)與建立，是基于模型的控制方法中研究體間差異的啟發(fā)式全局隨機(jī)搜索算法，作為進(jìn)化算法的的重點(diǎn)。由Masry和Cambanis所建立的Wiener模型是一個(gè)重要分支，逐漸被國(guó)內(nèi)外學(xué)者廣泛關(guān)注，最早于一個(gè)線性子系統(tǒng)和一靜態(tài)(無(wú)記憶)非線性增益串聯(lián)而1995年由RainerStorn和KennethPrice為求解成．有關(guān)Wiener模型的辨識(shí)，文獻(xiàn)[1]基
7、于粒子群(PSO)Chebyshev多項(xiàng)式而提出[4-6]。與一般的進(jìn)化算法(如遺優(yōu)化的Wiener模型辨識(shí)與實(shí)例研究，但擾動(dòng)對(duì)算法的傳算法、粒子群算法)相比，DE算法原理簡(jiǎn)單、容易實(shí)性能以及辨識(shí)的結(jié)果有一定程度的影響；文獻(xiàn)【2]采用現(xiàn)并且受控參數(shù)少、魯棒性強(qiáng)、收斂速度較快，目前廣GA算法逼近非線性增益的逆函數(shù)，再應(yīng)用最sb-乘法泛應(yīng)用于約束優(yōu)化計(jì)算[、神經(jīng)網(wǎng)絡(luò)優(yōu)化[引、非線性優(yōu)辨識(shí)線性子系統(tǒng)的參數(shù)，辨識(shí)精度達(dá)不到要求；文獻(xiàn)[3]化控制[引、濾波器設(shè)計(jì)[1o]及其它方面。目前，DE在系統(tǒng)參數(shù)辨識(shí)方面的應(yīng)用研究還比較少，因此，具
