系统辨识的粒子群优化方法

王峰 1; 2; 邢科义 1; 徐小平 3

您当前的位置：

首页 >

文章列表页 >

系统辨识的粒子群优化方法

更新时间：2025-12-08

- 系统辨识的粒子群优化方法
- A System Identification Method Using Particle Swarm Optimization
- 西安交通大学学报 2009年43卷第2期页码：116-120
- 作者机构：
  
  1. 西安交通大学机械制造系统工程国家重点实验室,西安,710049
  2. 西安交通大学理学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2008-06-04. 作者简介: 王峰(1972-),女,博士生;邢科义(联系人),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(60674018)
- DOI：
  中图分类号： TP273
- 网络首发：2009-02-10，
  
  纸质出版：2009
- 稿件说明：
移动端阅览
王峰 1, 2, 邢科义 1, 等. 系统辨识的粒子群优化方法[J]. 西安交通大学学报, 2009,43(2):116-120.

王峰 1, 2, 邢科义 1, et al. A System Identification Method Using Particle Swarm Optimization[J]. 2009, 43(2): 116-120.
王峰 1, 2, 邢科义 1, 等. 系统辨识的粒子群优化方法[J]. 西安交通大学学报, 2009,43(2):116-120. DOI：

王峰 1, 2, 邢科义 1, et al. A System Identification Method Using Particle Swarm Optimization[J]. 2009, 43(2): 116-120. DOI：

摘要

研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型

即首先将系统结构辨识问题转化为组合优化问题

然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能

提出了一种改进的粒子群优化算法.仿真结果表明

给出的辨识算法是合理的

虽然扰动对算法的性能以及辨识结果有一定的影响

但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数

且与已有辨识算法相比更加有效.

Abstract

A new method was developed for system identification via particle swarm optimization(PSO)algorithm. Its essential reason is to employ classical models to transform the system structure identification problem into a combinational problem. A PSO algorithm is then adopted to implement the identification of the system structure and parameters. To enhance the identification performance of the PSO algorithm

an improved particle swarm optimization(IPSO)algorithm is also presented. Following the simulation results

the rationality of this identification algorithm is verified

and the structure of the system and the parameters of the model can be well identified with the presented IPSO algorithm although the performance of the algorithm and the identification efficiency are both affected when disturbance appears.

关键词

Keywords

references

侯媛彬, 汪梅, 王立琦. 系统辨识及其MATLAB仿真[M]. 北京: 科学出版社, 2004.

李言俊. 系统辨识理论及应用[M]. 北京: 国防工业出版社, 2003.

李秀英, 韩志刚. 非线性系统辨识方法的新进展[J]. 自动化技术与应用, 2004,23(10):5-7.

LI Xiuying, HAN Zhigang. Advances in nonlinear system identification[J]. Techniques of Automation Application, 2004,23(10): 5-7.

KENNEDY J, EBERHART R C. Particle swarm optimization [C]∥International Conference on Neural Networks. Perth, Australia: IEEE, 1995: 1942-1948.

FUKUYAMA Y, LEE K Y, ESHARKAWI M A. Fundamentals of swarm techniques [J]. IEEE Power Engineering Society, 2002,15(1): 45-51.

潘峰, 陈杰, 甘明刚, 等. 粒子群优化算法模型分析[J]. 自动化学报, 2006,32(3):368-377.

PAN Feng, CHEN Jie, GAN Minggang, et al. Model analysis of particle swarm optimizer[J]. Acta Automatica Sinica, 2006,32(3): 368-377.

杨维, 李歧强. 粒子群优化算法综述[J]. 中国工程科学, 2004,6(5):87-94.

YANG Wei, LI Qiqiang. Survey on particle swarm optimization algorithm [J]. Engineering Science, 2004,6(5): 87-94.

朱丽莉, 杨志鹏, 袁华. 粒子群优化算法分析及研究进展[J].计算机工程与应用,2007,43(5):24-27.

ZHU Lili, YANG Zhipeng, YUAN Hua. Analysis and development of particle swarm optimization [J]. Computer Engineering and Applications, 2007,43(5): 24-27.

OMRAN M, ENGEIBRECHT A P, SALMAN A. Particle swarm optimization method for image clustering [J]. International Journal of Pattern Recognition and Artificial Intelligence, 2005,19(3): 297-321.

ZHANG H, TAM C M, LI H. Multimode project scheduling based on particle swarm optimization [J]. Computer-Aided Civil and Infrastructure Engineering, 2006,21(2):93-103.

刘树安, 唐非. 基于遗传算法的系统辨识方法研究[J]. 系统工程理论与实践, 2007,16(3):134-139.

LIU Shu'an, TANG Fei. Study on system identification method based on genetic algorithms[J]. System Engineering Theory and Practice, 2007,16(3):134-139.

冯培悌. 系统辨识[M]. 杭州:浙江大学出版社,1999.

SHI Y, EERHART R. A modified particle swarm optimizer[C]∥Proc of IEEE International Conference on Evolutionary Computation. Piscataway, NJ,USA:IEEE, 1998:69-73.

陈贵敏, 贾建援, 韩琪. 粒子群优化算法的惯性权值递减策略研究[J].西安交通大学学报, 2006, 40(1):53-56.

CHEN Guimin, JIA Jianyuan, HAN Qi. Study on the strategy of decreasing inertial weight in particle swarm optimization algorithm [J]. Journal of Xi'an Jiaotong University, 2006, 40(1): 53-56.

苏晋荣, 李兵义, 王晓凯. 一种利用种群平均信息的粒子群优化算法[J].计算工程与应用, 2007, 43(10):58-59.

SU Jinrong, LI Binyi, WANG Xiaokai. Particle swarm optimization using average information of swarm [J]. Computer Engineering and Applications, 2007, 43(10): 58-59.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

采用群体统计学习的量子进化算法

柔性测量臂运动学建模及参数标定方法

采用多样性引导粒子群算法的干式空心电抗器优化设计

采用非线性粒子群算法的同步糖化发酵参数辨识

利用粒子群算法的传感器优化布置及结构损伤识别研究