一种新型的非线性系统模型参数辨识方法  

A novel method of parameters identification of nonlinear system model

作　　者：耿永刚[1] 

机构地区：[1]常州机电职业技术学院,江苏常州213164

出　　处：《微型机与应用》2010年第17期74-76,80,共4页Microcomputer & Its Applications

摘　　要：针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法强大的优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个微粒,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率。Aiming at the demerits of model identification based on the conventional model identification algorithm and genetic algorithm, the particle swarm optimization（PSO） algorithm is put forward to identify parameters of the model in this paper. By making use of every parameter of process model as a particle in the swarm, and using particle swarms to search the optimal parameters of the process model concurrently and efficiently in the parameters space, precision and efficiency for parameters identification are improved.

关 键 词：微粒群算法 非线性系统 参数辨识 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]