基于灰聚类多子群自适应PSO算法的Volterra核辨识-论文.pdf

《基于灰聚类多子群自适应PSO算法的Volterra核辨识-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第6期计算机应用研究Vol_31No．62014年6月ApplicationResearchofComputersJun．2014基于灰聚类多子群自适应PSO算法的Volterra核辨识木李宁洲，冯晓云(1．西南交通大学电气工程学院，成都610031；2．兰州交通大学机电工程学院，兰州730070)摘要：针对一类单输入单输出非线性动态系统的Voherra级数模型辨识问题，提出了灰聚类多子群自适应PSO算法，并定义了精度影响系数以定量评估模型结构项对辨识精度的影响程度。在利用Voherra级数对非线性系统进行初始建模的基础上，采用灰聚类多子群自适应PSO算法和精

2、度影响系数实现了非线性Volterra级数模型的结构确认和参数优化辨识。将该方法与基于标准PSO、GA、QPSO算法的Volterra时域核辨识方法进行了对比实验。结果表明，该方法在辨识精度及收敛速度等方面明显优于其他方法。关键词：灰聚类多子群自适应PSO算法；Volterra级数；精度影响系数；非线性系统辨识中图分类号：TP18文献标志码：A文章编号：1001—3695(2014)06-1697—05doi：10．3969／j．issn．1001—3695．2014．06．022IdentificationofVolterraseriesbasedongreyclu

3、steringmulti—subpopulationadaptivePSOalgorithmLINing—zhou．FENGXiao—yun(1．SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China；2．SchoolofElectromechanicalEngineering，LanzhouJiaotongUniversity，LanzhOU730070，China)Abstract：ForVolterramodelidentificationofasingle—in

4、putandsingle—outputnonlineardynamicsystem，thispaperputfor—wardthegreyclusteringmulti—subpopulationadaptivePSOalgorithmanddefinedaccuracyinfluencecoeficienttoassessquan—titativelythedegreeofinfluenccthatthemodeIstructureitemsimpactontheaccuracyofidentification．Atfirst．themethodusedVoherr

5、aseriestocreatetheinitialmodelofnonlinearsystem，andthen，itadoptedgreyclusteringmulti—subpopulationadaptivePSOalgorithmandaccuracyinfluencecoeficienttoidentifythemodelstructureandparameters．Thesimulationre-sultsshowthattheproposedmethodinsuchaspectsasidentificationprecisionandconvergence

6、speedissuperiortootherVolt—elTaseriesidentificationmethodsbasedonstandardPSOalgorithm，GAandQpsoalgorithmmethods．Keywords：greyclusteringmulti—subpopulationadaptivePSOalgorithm；Voherraseries；accuracyinfluencecoeficient；nonlinearsystemidentification现实世界中绝大多数待研究对象具有非线性本质，揭示其有可改进的余地。基于此，提出了基

7、于灰聚类多子群自适应丰富的动力学性态进而实施相应控制成为非线性学术研究领PSO算法的Volterra核辨识方法。域的热点之一。Voherra泛函级数考虑了系统的动态特性，其1灰聚类多子群自适应PSO算法核具有鲜明的物理意义，因此可以利用Voherra级数描述一大类非线性现象。在利用Volterra级数对非线性系统进行建模1．1PS0算法的基础上，研究该模型结构及参数的辨识方法，则是认识该非由美国社会心理学家Kennedy和电气工程师Eberhart于线性系统物理机理并进而实现非线性系统控制的关键。1995年提出的微粒群优化(particleswain