基于Hammerstein模型的非线性系统参数辨识算法研究

• 作者: 李蓓蕾 毕雪芹 陈超波
• 来源期刊: 电子测量技术
• 关键词: Hammerstein模型 非线性系统 改进粒子群算法
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004930

摘要

为了提高非线性系统参数的辨识精度,以典型的非线性系统Hammerstein模型为例,结合莱维飞行(Levy)算法对标准粒子群优化(PSO)算法进行改进.首先回顾了对于非线性系统辨识算法的发展及存在问题;其次介绍以Levy算法结合PSO算法对非线性系统辨识的整体流程;然后将改进后的算法应用于两个Hammerstein模型中,对模型参数进行辨识,完成对剔除算法的验证;最后对Levy-PSO算法存在的问题做出总结,以及未来的发展方向.通过对基本粒子群和改进的粒子群算法进行仿真对比分析,实验结果表明改进的算法能显著提高辨识速度,有效改善基本粒子群算法的过早收敛问题,并且提高了辨识精度.