运用ADE算法进行Wiener模型辨识

• 作者: 徐保国 熊伟丽 许文强 赵兢兢
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 差分进化算法 自适应变异 参数辨识 Wiener模型
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 969-974,982
• 分类号: TP18
• 语种: 中文

摘要

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响；其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解；在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐保国	江南大学物联网工程学院自动化系	277	2198	22.0	30.0
2	熊伟丽	江南大学轻工过程先进控制教育部重点实验室	119	960	17.0	25.0
6	许文强	江南大学物联网工程学院自动化系	5	37	4.0	5.0
7	赵兢兢	江南大学物联网工程学院自动化系	4	12	2.0	3.0