8.5 基于粒子群算法的非線性系統(tǒng)參數(shù)辨識_第1頁
8.5 基于粒子群算法的非線性系統(tǒng)參數(shù)辨識_第2頁
8.5 基于粒子群算法的非線性系統(tǒng)參數(shù)辨識_第3頁
8.5 基于粒子群算法的非線性系統(tǒng)參數(shù)辨識_第4頁
8.5 基于粒子群算法的非線性系統(tǒng)參數(shù)辨識_第5頁
已閱讀5頁,還剩13頁未讀, 繼續(xù)免費(fèi)閱讀

付費(fèi)下載

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

北京航空航天大學(xué)8.5基于粒子群算法的

非線性系統(tǒng)參數(shù)辨識

劉金琨以下面三個例子為例,說明粒子群算法在

非線性系統(tǒng)中的參數(shù)辨

識中的應(yīng)用。辨識非線性靜態(tài)模型品

一、辨識非線性靜態(tài)模型利用差分進(jìn)化算法辨識非線性靜態(tài)模型參數(shù):(8.10)辨識參數(shù)集為θ=[g

h

k?k?

],

真實參數(shù)為θ=[g

h

k?

k?]=[12

10.5]采用實數(shù)編碼,辨識誤差指標(biāo)?。?/p>

(8.11)其中N

為測試數(shù)據(jù)的數(shù)量,yi為模型第i個測試樣本的輸

。品

一、辨識非線性靜態(tài)模型首先運(yùn)行模型測試程序chap8_4.m,對象的輸入樣本區(qū)間為[-44]之間,步長為0.10,

由式(8.10)計算樣本輸出值,共有81對輸

入輸出樣本對。品

一、辨識非線性靜態(tài)模型將待辨識的參數(shù)向量記為X,

取樣本個數(shù)為Size=200,最大迭代次數(shù)G=200,采用實數(shù)編碼,

四個參數(shù)的搜索范圍均為[0,5]。粒子運(yùn)動最大速

度為Vmax

=1.0,即速度范圍為[-1,1]。學(xué)習(xí)因子取c?=1.3,c?=1.7,采用線性遞減的慣性權(quán)重,慣性權(quán)重采用從0.90線性遞減到0.10的策略。目標(biāo)函數(shù)

的倒數(shù)作為粒子群的適應(yīng)度函數(shù)。將辨識誤差指

標(biāo)直接作為粒子的目標(biāo)函數(shù),越小越好。品

一、辨識非線性靜態(tài)模型按PSO

算法更新粒子的速度和位置,產(chǎn)生新種群,辨識誤差函數(shù)J的優(yōu)化過程如圖8-9所示。辨識結(jié)果為

θ=[g

h

k?k?]=[0.9999999302177962.0000001609220450.9999993222054190.500000197043791]

最終的辨識誤差指標(biāo)為J=

3.6166×10-12。品

一、辨識非線性靜態(tài)模型圖8-9辨識誤差函數(shù)的優(yōu)化過程仿真程序①模型測試程序:chap8_4.m②

辨識程序粒子群算法辨識程序:chap8_5.m目標(biāo)函數(shù)計算程序:chap8_5obj.m品

一、辨識非線性靜態(tài)模型辨識非線性動態(tài)模型品

二、辨識非線性動態(tài)模型利用差分進(jìn)化算法辨識非線性動態(tài)模型參數(shù):辨識參數(shù)集為X=[k

T?

T?T],

真實參數(shù)為X=[2120

0.8]

設(shè)待辨識參數(shù)K

、T1

、T2

在[0,30]之間,T分布在[0,1]之間。(8.12)其中N

為測試數(shù)據(jù)的數(shù)量,yi為模型第i個測試樣本的輸出。品

二、辨識非線性動態(tài)模型采用實數(shù)編碼,辨識誤差指標(biāo)?。?8.13)品

二、辨識非線性動態(tài)模型首先運(yùn)行模型測試程序chap8_6.m,

對象的輸入信號取偽隨機(jī)二進(jìn)制序列(PRBS)為輸入,如圖8-10所示,從而得到用于辨識的模型測試數(shù)據(jù)。品

二、辨識非線性動態(tài)模型將待辨識的參數(shù)向量記為X,取粒子群個數(shù)為Size=80,

最大迭代次數(shù)G=100,采用實數(shù)編碼,向量

X

中四個參數(shù)的搜索范圍為[0,10],[0,10],[0,30],[0,3]。

粒子運(yùn)動最大速度為Vmax=1.0,

即速度范圍為[-1,1]

學(xué)習(xí)因子取c?=1.3,c?=1.7,

采用線性遞減的慣性權(quán)重,

慣性權(quán)重采用從0.90線性遞減到0.10的策略。目標(biāo)函數(shù)

的倒數(shù)作為粒子群的適應(yīng)度函數(shù)。將辨識誤差指標(biāo)直

接作為粒子的目標(biāo)函數(shù),越小越好。品

二、辨識非線性動態(tài)模型按式(8.6)和式(8.7)更新粒子的速度和位置,產(chǎn)生新種群,辨識誤差函數(shù)

J的優(yōu)化過程如圖8-

11所示。辨識結(jié)果為X=[2.0

1.002220.0013

0.7998]最終的辨識誤差指標(biāo)為J=2.5426×10-?。品

二、辨識非線性動態(tài)模型圖8-10M

序列信號品

二、辨識非線性動態(tài)模型圖8-11辨識誤差函數(shù)的變化過程仿真程序①模型測試程序模型測試主程序:chap8_6.

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論