基于改进随机数直接搜索法的分数阶系统辨识

采用分数阶微积分可以相对简明精确地建立整数阶系统难以建立的模型.随着现代技术的发展,使用分数阶模型对实际对象和动态过程进行精确描述的优点越来越明显.该文针对分数阶系统的特点,提出了采用改进随机数直接搜索优化算法(NLJ)在限定阶次的随机数范围的基础上,进行分数阶系统辨识的方法.该方法即可辫识系统的模型参数,也可以对系统的阶次进行辫识.提出的方法对初始值有较大适应性,并且实现简单.仿真结果表明该方法对分数阶系统辨识的适用性和有效性.     

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。     

分数阶系统的一种频域辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题.根据分数阶传递函数模型中,公因子阶次和分母系数是非线性参数,而分子系数则是线性参数,给出了一种频域辨识算法:利用模拟退火算法估计公因子阶次和分母系数,相应的分子系数通过求解线性最小二乘问题得到.该算法可以估计出包括公因子阶次在内的所有模型参数.无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性.     

一种基于分数阶微分方程模型的基因调控网络构建方法

考虑到实际生物系统的非线性特性,提出了一种基于分数阶微分方程模型构建基因调控网络的新方法,采用模型预测数据与实际数据的逼近误差为目标函数,通过人工鱼群优化算法辨识分数阶微分方程模型的阶次和参数,并引入自适应步长,保留精英个体和增加种群多样性等策略提高算法的进化能力。对真实生物实验数据的结果表明,该方法能够较准确的辨识出模型参数,得到的分数阶微分方程模型与实际数据吻合程度较高。     

不确定分数阶Chen系统同步与参数辨识

讨论了不确定分数阶Chen系统的同步和参数识别问题,基于Lyapunove稳定性理论和自适应控制理论,提出一种用整数阶Chen系统来进行同步和参数辨识的方法,给出自适应控制器和参数更新率设计方法.数值仿真实现了分数阶Chen系统用整数阶Chen系统同步及参数辨识,结果表明提出方法的有效性.     

不确定参数分数阶Lorenz混沌系统的混合函数投影同步

针对不确定参数的分数阶混沌系统的同步问题,提出了一种自适应混合函数投影同步设计方案．基于分数阶系统稳定性理论,设计自适应控制器和参数更新律,实现分数阶Lorenz混沌系统的混合函数投影同步,并完成对响应系统所有不确定参数的辨识．数值仿真验证了该控制器和参数更新规则的有效性和正确性．     

一个新分数阶系统的混沌同步与参数识别

对一个带有未知参数的新分数阶系统的同步和参数识别问题进行了研究.首先给出了不同相平面上混沌吸引子,基于分数阶系统稳定性理论,为系统设计了合适的自适应同步控制器和未知参数的辨识规则,实现了系统的混沌同步和未知参数的辨识.     

运用Maxwell模型对植物油纸绝缘系统老化状态的研究

植物绝缘油被广泛运用于油浸式变压器,研究植物油变压器油纸绝缘系统的老化状态至关重要.本文引入分数微积分的概念,建立了分数阶Maxwell介电模型参数辨识的数学模型,同时根据实验得到的复介电常数实虚部的值求得分数Maxwell模型中的各个参数,根据最小二乘法建立目标函数,采用粒子群算法实现参数辨识,得到了不同老化状态下油...     

基于粒子群优化算法的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用粒子群算法(PSO)求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

基于Levy算法的IPMC分数阶模型辨识

IPMC是一类被称为人工肌肉的电活性智能材料,在微机电系统、生物医学、仿生机构等领域都具有很好的应用前景。分数阶微积分中微分、积分的阶次可以是分数,能够更精准地描述实际系统的动态响应。为了说明分数阶模型比传统整数阶模型能够更精确的描述具有非整数阶动力学特性的IPMC驱动系统,首先根据IPMC驱动器输入信号与输出响应的实验数据得到实际频率响应伯德图。然后,结合实验数据应用Levy频域辨识算法分别建立了IPMC的整数阶模型和分数阶模型。最后,比较两类模型和实验数据的频域响应伯德图,可见分数阶模型和实验数据的伯德图拟合效果更精确,所以对于具有非整数阶动力学特性的IPMC驱动系统应该使用分数阶模型来描述和研究。     

基于改进粒子群算法的轮胎模型参数两级辨识

为提高PAC89(Pacejka'89 tyre model)轮胎模型的辨识速度和辨识精度,采用加入自适应权重和自然选择性的粒子群算法,并将PAC89轮胎模型参数分为两级,依次进行辨识.以轮胎模型侧偏力曲线的辨识为例,轮胎模型中的刚度因子、形状因子、峰值因子、曲率因子、垂直和水平偏移率为一级参数,通过改进粒子群算法进行一级辨识得到;组成上述因子的特性参数为二级参数,通过改进粒子群算法进行二级辨识得到.一级辨识收敛时的迭代次数小于40,二级辨识收敛时的、迭代次数在100左右,通过实验数据与辨识模型的对比得出平均相对残差为1.6961％.辨识结果表明,采用改进粒子群算法分两级对PAC89轮胎模型进行辨识的方法,能够在保证模型精度的同时提高辨识速度,是一种有效的多参数辨识方法.     

单级倒立摆的分数阶PI~λD~μ控制器设计

针对单级倒立摆系统的平衡控制问题,采用基于输出反馈双回路控制方案,提出了一种分数阶PDμ控制器设计方法。在建立了系统数学模型的基础上,基于闭环系统的特征多项式和系统稳定性及各种性能指标的要求,选取了合适的闭环主导极点,通过输出反馈控制器改变控制系统的极点位置来使闭环系统具有所期望的动态特性和渐进稳定,并利用微粒群(PSO)优化算法整定分数阶控制器参数。仿真结果表明:双回路分数阶PDμ控制器较整数阶PD控制器,收敛速度快,振荡小,能取得更好的控制效果。     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

改进人工鱼群算法及其在时滞系统辨识中的应用

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力.     

改进粒子群优化BP神经网络的心理压力识别算法

为提高心理压力的识别率,提出一种改进的粒子群优化BP(back propagation)神经网络的压力识别算法。该算法在基本粒子群(particle swarm optimization,PSO)模型的基础上,引入了收缩因子,在收缩因子的作用下,使速度的边界限制消失,选取适当的参数来保证PSO算法的有界和收敛特性,实现对BP神经网络的优化。利用心算任务进行压力诱发,采集高压、低压状态下的心电信号,提取了与心理压力相关的心率变异性特征值,并对特征数据对比分析;建立了心理压力程度的分类模型,通过改进的PSO模型优化BP神经网络以识别心理压力。结果表明:改进的粒子群优化BP神经网络算法与BP神经网络相比收敛速度快、误差小且识别率高,该算法对心理压力的识别率可达94.83%,识别效果优于未优化的BP神经网络算法。     

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。     

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.     

基于改进粒子群算法的云计算服务部署优化

针对云计算资源有限,传统穷举搜索算法求解效率低的问题,提出一种基于改进粒子群算法的云计算服务部署优化方法.首先对云计算服务部署问题进行分析,将其转换成一个多目标组合优化问题,并建立相应的数学模型;然后采用全局搜索能力强的粒子群算法对数学模型进行求解,并针对标准粒子群算法收敛速度慢、存在早熟现象进行改进;最后通过仿真实验验证其可行性.实验结果表明,该方法可以快速找到最优的云计算服务部署方案.     

基于分数阶位置状态的量子粒子群算法

由量子力学的概念和粒子群优化算法的结合,量子行为粒子优化算法作为粒子群算法的一个变种,具有更好的全局搜索能力.为了提高量子粒子算法的全局搜索能力,结合分数阶微积分的概念,本文提出了一种新的算法.该算法将分数阶微积分中常用的GL定义引入了量子粒子算法的更新迭代公式中,利用分数阶微积分的长时记忆特性,通过记忆量子粒子在更新迭代过程中的历史位置和历史信息,增强算法的收敛速度和收敛精度.为了全面评估算法的基本性能,本文进行了一些关于基本测试函数的功能测试.通过对于不同阶次的分数阶量子粒子算法的对比实验和与其他粒子群改进算法的对比实验,实验结果表明,该算法具有更高的收敛精度.