非线性Hammerstein模型的生物优化辨识 下载:53 浏览:428
李俊晖 石守东 林卫星 汪睿琪 《天线研究》 2018年1期
摘要: 在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象。针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法(ACO)、杂交粒子群算法(HPSO)对非线性系统进行辨识。讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法。通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值。