針對(duì)連續(xù)非線性系統(tǒng)中單輸入單輸出Hammerstein模型,由于傳統(tǒng)辨識(shí)方法對(duì)Hammerstein模型中非線性部分具有不易辨識(shí)的缺陷,造成辨識(shí)精度低,辨識(shí)效果差等問題。為此,采用粒子群優(yōu)化算法對(duì)非線性系統(tǒng)進(jìn)行辨識(shí)的方法,將參數(shù)辨識(shí)問題轉(zhuǎn)換為參數(shù)空間上的函數(shù)優(yōu)化問題。為了進(jìn)一步增強(qiáng)粒子群優(yōu)化算法的辨識(shí)性能,提出采用迭代粒子群對(duì)整個(gè)參數(shù)空間進(jìn)行搜索得到系統(tǒng)參數(shù)的最優(yōu)估計(jì)。通過MATLAB軟件進(jìn)行仿真,仿真實(shí)驗(yàn)結(jié)果證明:該方法收斂速度較快,辨識(shí)得到的參數(shù)精度較高。該方法與最小二乘方法相比,計(jì)算量小,過程簡單,不用計(jì)算多重積分,辨識(shí)速度較快,辨識(shí)精度高。 

【文章來源】：自動(dòng)化與儀器儀表. 2020,(05)

【文章頁數(shù)】：5 頁

【部分圖文】：

Hammerstein系統(tǒng)

Step8比較 θ ^ g (k+1) 和 θ ^ g(k)。如果 || θ ^ g (k+1)- θ ^ g (k)||≤ε ,則終止該過程,并獲得估計(jì)值 θ ^ g (k+1) ;否則,將k增加1,然后執(zhí)行Step2。4 仿真實(shí)驗(yàn)

表2 最小二法估計(jì)和誤差 k α1 α2 b1 b2 γ1 γ2 γ3 d1 d2 δ(%) 100 -1.076 47 0.850 95 0.991 62 0.430 55 0.726 34 0.666 47 1.999 52 0.830 42 0.243 28 17.204 15 200 -0.823 16 0.545 11 0.601 31 0.456 06 0.859 96 0.917 27 1.162 46 0.698 60 0.338 34 16.209 51 300 -0.709 91 0.456 91 0.630 68 0.512 25 0.879 82 0.979 28 1.160 49 0.634 17 0.368 87 15.333 30 1 000 -0.478 80 0.361 24 0.648 34 0.531 42 0.935 18 0.979 33 1.159 59 0.522 68 0.377 81 9.972 19 3 000 -0.423 88 0.338 29 0.648 38 0.590 28 0.954 67 0.982 07 1.155 49 0.530 70 0.413 31 5.436 51 5 000 -0.425 09 0.334 49 0.749 37 0.609 60 0.982 73 0.982 74 1.154 63 0.559 92 0.433 16 4.114 64 真值 -0.430 00 0.350 00 0.760 00 0.620 00 1.000 00 0.980 00 1.150 00 0.567 00 0.462 00圖4 t時(shí)刻最小二乘法的參數(shù)估計(jì)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]粒子群優(yōu)化算法分析及研究進(jìn)展[J]. 朱麗莉,楊志鵬,袁華.  計(jì)算機(jī)工程與應(yīng)用. 2007(05)
[2]粒子群優(yōu)化算法綜述[J]. 楊維,李歧強(qiáng).  中國工程科學(xué). 2004(05)
[3]粒子群優(yōu)化算法[J]. 周馳,高海兵,高亮,章萬國.  計(jì)算機(jī)應(yīng)用研究. 2003(12)



本文編號(hào)：3107957