利用新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

克隆选择辨识的船舶航向自适应PD控制

为解决船舶营运中存在的模型参数摄动和外界干扰的不确定性问题,提出一种船舶航向自适应PD控制算法.采用免疫克隆选择算法进行在线船舶模型辨识,将存在不确定干扰和模型摄动的船舶作为一个"黑箱",将短时间内的船舶状态在线辨识为二阶线性模型,根据系统预定性能要求动态调整PD控制参数,使船舶获得理想输出.对抗体初始种群采用最优模型保留和随机初始化相结合的策略,提高了不确定性问题的在线优化效率.对一个三阶非线性货船的仿真试验表明,该算法有效提高了PD控制器的稳态性能.     

系统辨识的粒子群优化方法

研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型,即首先将系统结构辨识问题转化为组合优化问题,然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能,提出了一种改进的粒子群优化算法.仿真结果表明,给出的辨识算法是合理的,虽然扰动对算法的性能以及辨识结果有一定的影响,但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数,且与已有辨识算法相比更加有效.     

基于果蝇优化算法的船舶操纵响应模型的辨识

应用果蝇优化算法对船舶操纵运动响应模型的结构参数进行辨识,并用辨识得到的响应模型进行自航模变Z形试验预报.预报结果与自航模试验结果的对比验证了所提算法的有效性.研究结果表明,基于果蝇优化算法的参数辨识方法具有算法设置简单、调整参数少以及不易陷入局部极小值等优点.     

运用改进差分进化算法辨识Hammerstein模型

针对非线性系统Hammerstein模型,利用差分进化算法对非线性模型进行参数辨识,将非线性系统的辨识问题转化为参数空间上的函数优化问题。为了增强差分进化算法的辨识性能,采用一种自适应变异差分进化算法,即引入一个自适应变异率,随着迭代的进行自适应调整缩放因子,从而在初期保持种群多样性避免早熟;在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏。最后通过仿真对比实验表明,改进的差分进化算法比基本差分进化算法精度更高、非线性辨识能力更强。     

格分片线性函数的辨识和优化

格分片线性模型由一个实数矩阵和一个 0 - 1矩阵所确定 ,能够表示任意维变量的全体连续分片线性函数 ,其实数矩阵完全由它的局部线性函数的参数向量所组成。这些特点为辨识分片线性函数和利用线性模型的分析方法解决分片线性模型描述的非线性问题提供了极大的便利。该文引入格分片线性模型解决非线性函数的辨识问题。给出了辨识格分片线性函数的实用算法。并对线性约束下的格分片线性函数优化问题提出了通过线性规划算法确定全局最优解的简单方法。这些工作表明 ,用格分片线性函数建模是解决非线性问题的一种有效途径     

基于APSO算法的参数辨识与优化

将自适应粒子群优化（APSO）算法应用在系统辨识和参数优化中,定性地分析系统参数空间范围,把系统辨识和参数优化问题转化为参数空间寻优,利用APSO算法在寻优过程中有效避免局部最优的特点,在整个参数空间内并行寻找获得系统参数的最优解。通过对多种模型的仿真实验研究表明,APSO算法在系统辨识和参数优化问题中优于原有的GA和PSO方法。     

锂电池二阶RC等效电路模型参数辨识

以锂电池二阶RC等效电路模型为研究对象,将电池模型RC参数的辨识问题归结为非线性最优化问题,建立非线性最小二乘优化模型,采用Levenberg-Marquard(LM)算法对其进行求解.该优化问题不仅是非线性的,而且非凸,因此需要对优化算法中的初始值进行选取,同时放电电流大小的变化也会影响参数求解结果的稳健性.为解决这两个问题,首次提出一种简单有效的RC参数初始值的选取方法和调整最优化模型中的目标函数的方法,保证该算法在不同放电电流情况下均能得到正确的解.仿真结果表明:在选定合适的初始值的情况下,该算法能够快速准确求解模型中的RC参数值.     

采用混沌粒子群优化算法的水质模型参数辨识

提出了一种新的适用于水质模型参数辨识的混沌粒子群优化(LCPSO)算法.与粒子群优化(PSO)算法相比,该算法将Logistic混沌搜索嵌入到PSO算法中,利用混沌变量产生初始粒群,并对子代部分粒子群体进行微小扰动,随着搜索过程的深入逐步调整扰动幅度,以克服PSO算法的早熟、易陷入局部极值等固有缺陷.采用标准测试函数,将该算法与遗传算法(GA)和PSO算法进行比较,证明了其收敛速度和寻优能力的优越性.采用实测水质数据,将LCPSO算法应用于具有一定工程价值和复杂程度的Dobbins-Camp BOD-DO水质模型的参数辨识.结果显示,所得水质数据与实测值误差平方和仅为0.150 3,且相对误差在±0.2%范围内,故该算法可为水质模型的参数辨识提供一条新的途径.     

纯工况和联合工况下MF-Tyre模型的参数辨识

利用Matlab中Optimization Toolbox所提供的L-M Method优化算法,结合一整套完整的乘用车轮胎试验数据,对最新半经验MF-Tyre 6.11模型进行了纯工况和联合工况的参数辨识,同时对83个参数辨识结果进行残差分析.结果表明,所采用的辨识流程和优化算法能够准确地辨识出参数,且辨识结果最大残差不超过5%,有效解决了MF-Tyre模型参数辨识不全和参数难以准确辨识的问题.     

基于多目标优化策略的结构损伤识别智能算法

针对结构损伤识别问题, 提出一种基于多目标优化策略的结构损伤识别智能算法. 该算法利用极端学习机为损伤参数指标与每一阶频率建立非线性函数表达式, 先将结构的每一阶实际测量频率与函数表达式相减, 再把形成的每个表达式作为优化目标, 进而得到结构损伤识别的高维多目标优化模型. 为提高模型的求解精度, 提出了灰色多粒子群协同的多目标优化算法. 实验结果表明, 该方法能较好地处理结构损伤识别问题.     

DE-ICA优化算法在工作模态参数识别的应用

提出一种差分进化(DE)改进的独立成分分析(ICA)优化算法,解决工作模态参数识别时容易陷入局部最优,难以识别出高阶模态参数的问题.通过对悬臂梁的ANSYS仿真数据对比可知:相对于传统的ICA方法,结合差分进化算法的ICA识别的模态参数精度更高,且能分离出更多的高阶模态,更适合于高阶模态参数的识别.     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

基于果蝇算法的转子不平衡参数辨识研究

为识别转子的不平衡参数,建立了转子-轴承有限元模型,在逆问题的识别理论基础上通过理论故障力与等效估计的不平衡力构建目标函数,运用果蝇优化算法进行目标函数优化,从而识别出不平衡参数,并将果蝇算法识别的结果与模拟退火算法、遗传算法的结果进行对比。仿真和实验结果均表明,相比其他两种算法,果蝇算法有更高的识别精度和效率。     

基于改进黑猩猩算法的解析Preisach模型参数辨识

解析Preisach模型解决了Preisach模型因离散 Everett 函数造成的测量误差大,数值不稳定的问题,但是解析Preisach模型同时存在参数多,辨识复杂的问题。针对上述问题,本文提出一种融合多策略的改进黑猩猩优化算法,来实现对解析Preisach 模型的参数快速、精确辨识。该算法首先应用改进的logistic映射和动态反向学习策略进行种群初始化;其次提出一种新的动态非线性递减收敛因子平衡全局搜索和局部开发能力;再次将差分变异引入到种群个体位置更新中,增加种群多样性、扩大搜索范围;最后使用随机变异策略对全局最优位置进行扰动更新,跳出局部最优。结合实验数据,分别使用遗传算法、黑猩猩算法与本文所提算法对解析Preisach 模型参数进行辨识,并基于辨识结果对取向硅钢片的磁滞回线进行模拟。通过磁滞回线拟合度、迭代次数与适应度值等三方面的结果对比可得,本文所提算法在解析Preisach 模型的参数辨识上兼具辨识精度高、收敛速度快的优点。
关键词:解析Preisach模型;Everett函数;参数辨识;改进黑猩猩优化算法;磁滞回线     

基于负梯度法的供水管网污染源识别

利用负梯度法研究供水管网突发污染事故时污染源识别问题.首先针对供水管网的污染源识别问题构建最优化问题数学模型,然后用EPANET作为内嵌的水质模拟计算引擎,沿着目标函数的负梯度方向进行问题的最优解搜索,并针对管网算例,对污染源侵入时间、地点和侵入过程进行计算求解.分析差分步长、梯度求解方法等因素对问题求解效率的影响,结果表明采用基于水质模拟的差分法求解梯度向量并以水质公差作为差分步长,具有最好的求解效果.     

基于随机响应的隔震体系简化模型参数计算

为简化计算,将隔震结构等效为双自由度体系简化模型.论述了利用结构随机响应评判隔震简化模型参数几种不同取值方式的一般原则,建立了计算简化体系等效参数的多目标优化参数识别模型.取简化结构与原结构主要随机响应的方差作为目标函数,用结构基本周期等效的条件确定简化体系优化初值,并用复合形法进行交互式优化运算.文末采用一个实际隔震工程作为算例,显示了采用结构随机响应进行隔震结构简化模型等效参数识别的优越性.