針對多率系統(tǒng)（Multirate system）的辨識研究多采用傳統(tǒng)的遞推辨識算法，近年來，隨著科學(xué)技術(shù)和辨識理論的不斷進(jìn)步和發(fā)展，對復(fù)雜系統(tǒng)辨識方法的探索以及對辨識方法在收斂性、準(zhǔn)確性和魯棒性等性能上都提出了更高的要求。本文以群智能的生物優(yōu)化理論為基礎(chǔ)，結(jié)合線性系統(tǒng)辨識算法的特點(diǎn)與多新息辨識理論融合，基于多率系統(tǒng)的狀態(tài)空間模型，研究了多率系統(tǒng)的模型轉(zhuǎn)換、參數(shù)辨識、狀態(tài)估計(jì)等問題。并分析了智能算法的收斂性和魯棒性。在前期研究的基礎(chǔ)上，查閱了大量的文獻(xiàn)，進(jìn)行了比較深入的研究，取得研究成果如下：1.針對標(biāo)準(zhǔn)粒子群算法的缺點(diǎn)，提出了改進(jìn)型的快速收斂協(xié)同粒子群算法（TheModified Cooperative Particle Swarm Optimization algorithm, MCPSO），給出了算法的迭代公式，并根據(jù)標(biāo)準(zhǔn)二階系統(tǒng)穩(wěn)定性理論，分析算法的收斂性并給出收斂區(qū)域和參數(shù)設(shè)置準(zhǔn)則，最后通過標(biāo)準(zhǔn)測試函數(shù)驗(yàn)證改進(jìn)算法的快速尋優(yōu)性能和有效性。2.基于雙率系統(tǒng)，利用提升技術(shù)，建立系統(tǒng)的狀態(tài)空間辨識模型，通過極小化估計(jì)誤差協(xié)方差矩陣來辨識系統(tǒng)參數(shù)，將改進(jìn)的快速收斂協(xié)同粒子群算法，應(yīng)用在... 

【文章來源】：寧波大學(xué)浙江省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
引言
1. 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究主要內(nèi)容
2 雙率系統(tǒng)辨識模型的建立
    2.1 提升技術(shù)
    2.2 系統(tǒng)模型
    2.3 小結(jié)
3 粒子群優(yōu)化算法的分析及改進(jìn)
    3.1 粒子群算法基本原理
        3.1.1 粒子群算法描述
    3.2 粒子群算法改進(jìn)策略分析
    3.3 CPSO 算法的收斂性分析
        3.3.1 CPSO 算法參數(shù)設(shè)置準(zhǔn)則
        3.3.2 CPSO 快速收斂機(jī)制
    3.4 優(yōu)化算法尋優(yōu)性能測試
    3.5 本章小結(jié)
4 雙率系統(tǒng)的參數(shù)辨識
    4.1 遞推最小二乘辨識原理
    4.2 傳遞函數(shù)模型參數(shù)辨識
        4.2.1 雙率系統(tǒng)遞推最小二乘算法推導(dǎo)
        4.2.2 雙率系統(tǒng) MCPSO 辨識算法
    4.3 仿真實(shí)例
        4.3.1 白噪聲干擾下雙率系統(tǒng)傳遞函數(shù)模型的參數(shù)估計(jì)
        4.3.2 有色噪聲干擾下雙率系統(tǒng)傳遞函數(shù)模型的參數(shù)估計(jì)
    4.4 本章總結(jié)
5 多率系統(tǒng)的狀態(tài)空間的參數(shù)和狀態(tài)估計(jì)
    5.1 多率系統(tǒng)規(guī)范型狀態(tài)空間模型描述
    5.2 MCPSO 狀態(tài)估計(jì)算法推導(dǎo)
    5.3 仿真實(shí)例
    5.4 本章小結(jié)
6 總結(jié)和展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于協(xié)同PSO算法的非均勻采樣系統(tǒng)辨識[J]. 王濤,林衛(wèi)星,包建孟.  計(jì)算機(jī)工程與應(yīng)用. 2013(24)
[2]PSO算法的穩(wěn)定性分析及算法改進(jìn)[J]. 朱小明,張慧斌.  計(jì)算機(jī)科學(xué). 2013(03)
[3]一種帶規(guī)范知識引導(dǎo)的改進(jìn)人工蜂群算法[J]. 林小軍,葉東毅.  模式識別與人工智能. 2013(03)
[4]基于人工蜂群算法的非線性方程組求解研究[J]. 劉佳,周真真,夏少芳,王軍峰.  自動(dòng)化儀表. 2013(02)
[5]基于自適應(yīng)粒子群優(yōu)化的新型粒子濾波在目標(biāo)跟蹤中的應(yīng)用[J]. 陳志敏,薄煜明,吳盤龍,段文勇,劉正凡.  控制與決策. 2013(02)
[6]基于高斯和近似的擴(kuò)展切片高斯混合濾波器及其在多徑估計(jì)中的應(yīng)用[J]. 陳杰,程蘭,甘明剛.  自動(dòng)化學(xué)報(bào). 2013(01)
[7]一種帶交叉因子的雙向?qū)?yōu)粒子群優(yōu)化算法[J]. 溫雅,李國,徐晨.  計(jì)算機(jī)應(yīng)用研究. 2013(01)
[8]融合可行基規(guī)則的粒子群優(yōu)化算法及其應(yīng)用[J]. 羅彩君.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[9]基于子空間辨識的狀態(tài)空間模型預(yù)測控制[J]. 羅小鎖,周國清,鄒濤.  計(jì)算機(jī)工程與應(yīng)用. 2012(19)
[10]系統(tǒng)辨識（6）:多新息辨識理論與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)

博士論文
[1]多率多輸入系統(tǒng)的辨識[D]. 韓麗麗.江南大學(xué) 2010

碩士論文
[1]非均勻采樣數(shù)據(jù)系統(tǒng)的辨識方法研究[D]. 謝莉.江南大學(xué) 2009
[2]多率采樣數(shù)據(jù)系統(tǒng)的建模與狀態(tài)估計(jì)[D]. 蔣紅霞.江南大學(xué) 2008



本文編號：3584862