基于粒子群算法的系統(tǒng)辨識(shí)方法研究與仿真.pdf

1、在現(xiàn)代工業(yè)過(guò)程中,學(xué)者們提出了更多的先進(jìn)控制技術(shù),但是這些技術(shù)多數(shù)是需要基于精確對(duì)象數(shù)學(xué)模型的。系統(tǒng)辨識(shí)是建立過(guò)程對(duì)象數(shù)學(xué)模型的一種有效的方法。目前,我們已經(jīng)具備了完善和成熟的經(jīng)典的傳統(tǒng)辨識(shí)方法,比較流行的辨識(shí)算法包括:最小二乘算法、遺傳算法、差分進(jìn)化算法、粒子群算法等,可以在一定程度上克服傳統(tǒng)的估計(jì)方法的缺點(diǎn)。但是,在這些算法中還有一些可以提出改進(jìn)措施的地方。
　　 在本論文中,首先我們基于標(biāo)準(zhǔn)的粒子群算法提出了一些改進(jìn)措施,

2、并將該改進(jìn)算法稱之為改進(jìn)的二階粒子群算法,隨后將該改進(jìn)算法應(yīng)用在一類模型結(jié)構(gòu)己知的可以描述成塊聯(lián)模型的非線性系統(tǒng)工業(yè)過(guò)程中,仿真結(jié)果表明該改進(jìn)算法在非線性系統(tǒng)中的應(yīng)用是非常有效的。
　　 然后,針對(duì)一類多輸入、單輸出的靜態(tài)系統(tǒng),提出了一種系統(tǒng)辨識(shí)的新方法。該新方法可以實(shí)現(xiàn)多變量系統(tǒng)的結(jié)構(gòu)和參數(shù)的同時(shí)辨識(shí)。基本思想是:同時(shí)將典型的數(shù)學(xué)模型與輸入變量相互組合,形成眾多的子模型,然后在眾多子模型中選取擬合實(shí)際系統(tǒng)最佳的子模型,同時(shí)確定