| 运用ADE算法进行Wiener模型辨识 |
| |
| 引用本文： | 熊伟丽,许文强,赵兢兢,徐保国. 运用ADE算法进行Wiener模型辨识[J]. 系统仿真学报, 2013, 25(5) |
| |
| 作者姓名： | 熊伟丽 许文强 赵兢兢 徐保国 |
| |
| 作者单位： | 1. 江南大学轻工过程先进控制教育部重点实验室,无锡 214122;江南大学物联网工程学院自动化系,无锡 214122
2. 江南大学物联网工程学院自动化系,无锡,214122 |
| |
| 基金项目： | 国家自然科学基金项目，博士后基金项目 |
| |
| 摘 要： | DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响；其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解；在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.
|
| 关 键 词： | 差分进化算法 自适应变异 参数辨识 Wiener模型 |
Adaptive Differential Evolution Identification of Wiener Model |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
