基于自适应蚁群优化的Volterra核辨识算法研究  

Volterra series identification method based on adaptive ant colony optimization

作　　者：李志农[1] 唐高松[2] 肖尧先[1] 邬冠华[1] 

机构地区：[1]南昌航空大学无损检测技术教育部重点实验室,南昌330063 [2]郑州大学机械工程学院,郑州450001

出　　处：《振动与冲击》2011年第10期35-38,共4页Journal of Vibration and Shock

基　　金：国家自然科学基金(51075372;50775208);河南省教育厅自然科学基金(2006460005;2008C460003);湖南省机械设备健康维护重点实验室开放基金(200904);江西省研究生教育创新基地基金

摘　　要：提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,提出的方法优于蚁群优化辨识方法。A Volterra series identification method based on adaptive ant colony optimization（AACO） algorithm was proposed.With the proposed method,Volterra kernel was identified using ant colony optimization algorithm.the parameters of the ant colony algorithm could be adaptively adjusted with increase in evolution number.At the same time,the proposed method was compared with Volterra kernel identification method based on basic ant colony optimization（ACO）.The simulation results showed that the proposed method and ACO identification one have good identification accuracy,convergence stability and robust anti-noise performance whether in noise-free or noise environment;however,the convergence speed of the proposed method is faster than that of ACO identification one.

关 键 词：自适应蚁群优化 VOLTERRA级数 非线性系统 系统辨识 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]