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。     

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。     

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.     

埃博拉流行病的离散logistic动力学模型及其参数辨识

研究了埃博拉流行病的传染动力学模型建立及其参数辨识问题,构建了埃博拉流行病的离散logistic动力学模型,给出了参数辨识优化问题,该优化问题可以计算所提离散logistic数学模型的最优参数值.基于世界卫生组织统计的几内亚、塞拉利昂和利比里亚等西非国家的病例数据,拟合出所构建埃博拉离散logistic动力学模型的最优参数值,并对其进行了参数分析.结果表明,埃博拉流行病在每个西非国家的传染情况不相同,而且三个西非国家的染病者增长率与抑制常数也具有较大的差异.与已有连续logistic模型的参数辨识结果相比,本文离散logistic模型的参数辨识误差值更小,说明离散logistic模型能够更好地描述埃博拉流行病的传染动力学.     

基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm,GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题,面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题,提出一种能够快速缩小搜索空间,且有效避免陷入局部最优的在线快速搜索的优化辨识框架,实现电动汽车动力电池等效电路模型参数在线快速辨识,扩展全局搜索优化算法的应用范围.进一步,将此算法应用于电池剩余荷电状态(SOC)估算问题,提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较,结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

一类非线性生化系统的参数辨识

研究了一类非线性生化系统的参数辨识问题.针对一类非线性生化系统,建立了以浓度误差与斜率误差之和为目标函数的参数辨识优化模型.采用三次样条插值方法估计实验数据导数,运用MATLAB软件求解所建立的参数辨识优化模型.计算结果表明本文方法是有效的.     

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.     

PSO算法在土壤水分运移参数优化中的应用

把土壤水分运移参数的拟合按照模型参数的辨识和优化问题来考虑,将粒子群优化（PSO）算法应用到土壤水分运移参数的辨识和优化中,通过仿真及与其它参数辨识和优化方法的比较表明,PSO算法得出的模型参数优于自适应免疫遗传算法和最小二乘算法,具有简单、精度高、速度快、与初值无关和全局收敛等优点,是一种土壤水分运移参数辨识和优化的新方法。     

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.     

基于引力搜索和粒子群混合优化算法的T-S模型辨识

提出了基于引力搜索(GSA)和粒子群(PSO)混合优化算法(GSAPSO)的T-S模型全局优化辨识方法.该方法充分整合GSA的勘探能力和PSO的开采能力,在GSA中引入PSO的个体最优值和群体最优值,同时改进惯性权重调整算法.T-S模型辨识分为结构辨识和参数辨识,采用聚类方法和GSAPSO算法同时辨识模型的结构和参数,从而实现全局优化辨识.仿真实例和比较分析证明了GSAPSO较标准的PSO和GSA有更强的全局优化能力和更高的辨识精度.     

微生物连续发酵系统参数辨识与优化算法

考虑3-HPA对细胞生长的抑制作用和底物与产物的跨膜运输方式,建立了能更好描述微生物连续发酵过程的新的数学模型,以计算值与实验稳态数据之间的平均相对误差为优化目标,以多个动力系统为状态约束,建立了参数辨识模型,证明了该辨识模型的参数可辨识性,并构造了改进的粒子群(PSO)算法求解该辨识模型.数值结果表明该新的动力学模型能更好地描述实际微生物连续发酵过程.     

基于改进RLM算法的横向控制过程的系统辨识

横向控制过程测量数据的稀疏性以及模型的高维性、强耦合和不确定性使得系统模型难以辨识.为快速、准确地辨识系统模型,文中提出了一种改进的递推LevenbergMarquart(RLM)算法.首先阐述了横向控制过程的二维参数化模型和辨识该模型的阶跃辨识方法,然后通过修正RLM算法的目标函数来改进RLM算法,并应用改进RLM算法实时递推辨识系统参数化模型的对位、稳态空间响应和动态响应.仿真实验与实际应用结果显示,该辨识方法不仅可以一致地辨识系统参数化模型的空间响应与动态响应,而且具有比传统RLM算法更快的收敛速度.     

基于改进的粒子群优化算法的轮胎参数辨识

轮胎是汽车的重要组成部分,其特性分析是研究汽车动力学的基础,其模型的精度直接影响整车模型仿真的精度,多采用粒子群优化算法对轮胎参数进行辨识.参考自然界生物进化现象,在基本粒子群算法的基础上提出带变异阀值的多种群粒子群算法.该算法采用多个种群同时进化以保证粒子群的多样性,同时可改善全局收敛的可靠性,采用变异阀值可避免优化算法陷于局部收敛现象的发生.将该方法应用于轮胎参数辨识,并与其他优化算法辨识结果进行比较,该方法结果能够更好地与实验数据吻合,证明该方法辨识精度高,在轮胎参数辨识中有较好的应用性.     

精密直线电机气浮轴承参数辨识

基于精密直线电机气浮轴承支撑的结构特点,针对气浮轴承动力学参数辨识问题,利用有限元方法建立了该结构系统的有限元模型,运用理论模态分析与实验模态分析相结合的方法,对该结构的气浮轴承的参数进行了辨识验证,得到了精密直线电机气浮轴承的动力学参数.仿真结果与实验结果相符,证明该方法有效,为该系统进行动力学优化分析提供了基础.     

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。     

甘油连续生物歧化过程的参数辨识与非线性分析

为了给出能够较好描述甘油连续生物歧化为1,3-丙二醇过程的数学模型以及模型的非线性特性，研究了其参数辨识与非线性分析问题.首先，建立了甘油连续歧化过程的GMA-系统，给出了以模型的计算值与实验测量值误差最小为优化目标、以甘油连续发酵过程的稳态条件为约束的参数辨识优化问题.采用序列二次规划算法，获得了相应动力学系统的最优参数值.结果表明，构建的GMA-系统的参数辨识优化模型能够得到更准确的参数值.其次，将辨识出的参数结果代入到甘油连续歧化过程的GMA-系统中，进行了平衡点计算与稳定性分析等.采用符号化实根隔离法求解了系统的平衡点，依据几乎线性系统的稳定性理论研究了平衡点的稳定性.     

考虑饱和效应的同步发电机参数辨识

针对传统分析方法对同步发电机的运行分析都基于其线性化模型的问题,以考虑磁路饱和效应的同步电机模型为研究对象,将一种新的优化方法——蚁群算法应用于同步发电机参数辨识,并给出了参数辨识算法的详细步骤.仿真算例表明,使用考虑饱和效应的同步发电机模型能有效地提高辨识精度.     

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     

瞬态下基于MRAS的DC-DC转换器参数辨识

为了解决实际应用中电感和电容值漂移的问题,提出一种瞬态条件下基于模型参考自适应系统(MRAS)的在线参数辨识算法,该算法可以同时辨识电感和电容.首先,介绍了基于MRAS的在线辨识系统结构;然后,根据MRAS基本原理和Boost转换器状态方程提出了一种基于MRAS的在线电感和电容辨识算法,并利用波波夫超稳定理论对辨识系统的稳定性加以证明;最后,对基于MRAS的参数辨识算法进行仿真验证.仿真结果表明:该算法的电容辨识误差在0.1%以内,电感辨识误差在0.2%以内.