改进的PSO算法在非线性模型参数辨识中的应用

• 作者: 徐志成 颜云华
• 来源期刊: 现代电子技术
• 关键词: 微粒群算法 非线性系统 参数辨识 过程模型
• 年，卷（期）: 2009,（13）
• 所属期刊栏目: 工控技术
• 页码范围: 204-207
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2009.13.065

摘要

参数辨识是过程建模的基础,对于参数辨识问题提出了许多不同的方法.针对传统模型参数辩识方法和遗传算法用于模型参数辨识时的缺点,提出一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法的强大优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个微粒,利用微粒群体在参数空间进行高效并行的搜索,以获得过程模型的最佳参数值,并将其用于对非线性系统模型的参数辨识,可有效提高参数辨识的精度和效率.该方法应用到实际例子中,获得了满意的辨识精度和效率,得到较为精确的过程模型,模型输出与实际输出基本一致,仿真结果令人满意.实例仿真结果表明,微粒群算法为非线性系统模型参数辨识提供了一种有效的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐志成		26	74	5.0	6.0
2	颜云华		12	22	3.0	4.0