基于自适应蚁群优化的Volterra核辨识算法研究.pdfVIP

振 动 与 冲 击 第 30卷第 1O期 JOURNALOFVIBRATIONAND SHOCK 基于 自适应蚁群优化的Volterra核辨识算法研究 李志农 ，唐高松 ，肖尧先 ，邬冠华 (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) 摘 要 ：提出了一种基于自适应蚁群优化(AACO)的Voherra核辨识方法。该方法将蚁群算法应用于Voherra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。 关键词：自适应蚁群优化 ；Voherra级数；非线性系统 ；系统辨识 中图分类号 ：TP18 文献标识码：A ． Volterraseriesidentificationmethodbasedonadaptiveantcolonyoptimization L／Zhi—nong ，TANG Gao—song ，XIAO Yao—xian ，唧 Guanhua (1．KeyLaboratoryofNondestructiveTesting，MinistryofEducation，NanchangHangkongUniversity，Nanchang360063，China； 2．SchoolofMechanicalEngineering，ZhengzhouUniversity，Zhengzhou450001，China) Abstract： AVolte~aseriesidentificationmethodbasedonadaptiveantcolonyoptimization(AACO)algorithmwas proposed．With the proposed method，Volte~akernelwas identified using antcolony optimization algorithm． the parametersoftheantcolonyalgorithmcouldbeadaptivelyadjustedwithincreaseinevolutionnumber．Atthesametime， theproposedmethodwascompared withVolte~akernelidentificationmethodbased on basicantcolonyoptimization (ACO)．ThesimulationresultsshowedthattheproposedmethodandACOidentificationonehavegoodidentification accuracy，convergencestabilityandrobustanti—noiseperformancewhetherinnoise—freeornoiseenvironment；however， theconvergencespeedoftheproposedmethodisfasterthanthatofACO identificationone． Keywords：adaptiveantcolonyoptimization(AACO)；Volte~aseries；nonlinearsystem ；systemidentification 蚁群优化 (AntColonyOptimization，ACO)算法是 些不足，如在算法，蚁群中多个个体的运动是随机的， 20世纪90年代意大利学者 Dorigo_l提出的一种新型 当群体规模较大时，要找出一条较好的路径需要较长 模拟进化算法。它具有较强的鲁棒性、良好的搜索性 的搜索时间，另外，在算