在現(xiàn)代工業(yè)生產(chǎn)領(lǐng)域中,非線性系統(tǒng)的辨識一直是研究人員研究的重點對象。針對輸入非線性Hammerstein模型,本文提出了運用生物優(yōu)化算法中的蟻群算法（ACO）、雜交粒子群算法（HPSO）對非線性系統(tǒng)進行辨識。討論了ACO、HPSO的基本算法與參數(shù)初值的設(shè)置與選擇方法。通過研究各算法的辨識效果、精度、以及魯棒性,說明:雜交粒子群、蟻群算法都是參數(shù)設(shè)置少、編程易實現(xiàn),辨識精度高,魯棒性較好的一類算法,在解決實際問題時,有很高的利用價值。 

【文章來源】：無線通信技術(shù). 2018,27(01)

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 Hammerstein模型
3 粒子群算法
    3.1 基本粒子群算法
    3.2 基于雜交的粒子群算法
    3.3 PSO參數(shù)設(shè)置
4 蟻群算法
    4.1 算法原理
    4.2 ACO參數(shù)設(shè)置
5 仿真結(jié)果
    5.1 粒子群算法
    5.2 雜交粒子群算法
    5.3 蟻群算法
    5.4 運行1200代辨識效果
    5.5 算法結(jié)果比較
6 結(jié)束語


【參考文獻】：
期刊論文
[1]應(yīng)用粒子群優(yōu)化算法辨識Hammerstein模型[J]. 林衛(wèi)星,張惠娣,劉士榮,錢積新.  儀器儀表學(xué)報. 2006(01)



本文編號：3612090