非线性Hammerstein模型的生物优化辨识  

Identification of Nonlinear Hammerstein Model Based on Biological Optimization Algorithm

作　　者：李俊晖 石守东[1] 林卫星[1] 汪睿琪 LI Jun-hui;SHI Shou-dong;LIN Wei-xing;WANG Rui-qi(Faculty of Information Science and Technology , Ningbo University , Ningbo 315211, China)

机构地区：[1]宁波大学信息科学与工程学院,宁波315211

出　　处：《无线通信技术》2018年第1期50-56,共7页Wireless Communication Technology

基　　金：浙江省重中之重学科开放基金项目(XKXL1312);浙江省科技厅公益技术应用研究项目(2013C31090);宁波产业技术应用重大专项(2016B10020)资助

摘　　要：在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象。针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法(ACO)、杂交粒子群算法(HPSO)对非线性系统进行辨识。讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法。通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值。In the fields of modern industrial production,nonlinear system identification is an important point for the researchers. And for the input nonlinear Hammerstein model,this article put forward to use Biological optimization algorithm like hybrid particle swarm optimization（ HPSO） and ant colony optimization（ ACO） to identify it. And this paper discussed the basic algorithms,the parameter control,validity and accuracy of each algorithm. The simulation proved ASO and PSO have the advantages like don＇t need to set too much parameters,and they are easy to program. So when face the practical problems,they have high utilization value.

关 键 词：HAMMERSTEIN模型 非线性系统 系统优化辨识 杂交粒子群算法 蚁群算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]