基于自适应云粒子群算法的wiener模型辨识-计算机应用研究.pdf

第２９卷第１１期 计 算 机 应 用 研 究 Ｖｏｌ．２９Ｎｏ．１１ ２０１２年１１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｎｏｖ．２０１２ 基于自适应云粒子群算法的Ｗｉｅｎｅｒ模型辨识 张朝龙，余春日，江善和，李彦梅，杨　伟，吴文进 （安庆师范学院物理与电气工程学院，安徽 安庆２４６０１１） 摘　要：针对非线性系统Ｗｉｅｎｅｒ模型的系统辨识问题，提出一种基于自适应云模型的粒子群优化（ＡＣＭＰＳＯ）算 法的辨识方法。ＡＣＭＰＳＯ算法利用云模型实现优秀粒子的遗传和进化操作，根据进化状况动态调整云模型的参 数，自适应地控制云模型算法的寻优范围和精度，有较强的全局搜索和局部求精能力。仿真实验证明该算法寻 优精度高于其他主要ＰＳＯ算法；将该算法应用于Ｗｉｅｎｅｒ模型的系统辨识，通过实验证明了该辨识方法优于当前 其他方法。 关键词：云模型；粒子群优化；Ｗｉｅｎｅｒ模型；系统辨识 中图分类号：ＴＰ２７３　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１２）１１４０４１０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１２．１１．０１０ ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＷｉｅｎｅｒｍｏｄｅｌｂａｓｅｄｏｎａｄａｐｔｉｖｅｃｌｏｕｄ ｍｏｄｅｌｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ ＺＨＡＮＧＣｈａｏｌｏｎｇ，ＹＵＣｈｕｎｒｉ，ＪＩＡＮＧＳｈａｎｈｅ，ＬＩＹａｎｍｅｉ，ＹＡＮＧＷｅｉ，ＷＵＷｅｎｊｉｎ （ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓ＆ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｑｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，ＡｎｑｉｎｇＡｎｈｕｉ２４６０１１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｏｉｄｅｎｔｉｆｙｔｈｅｎｏｎｌｉｎｅａｒｓｙｓｔｅｍＷｉｅｎｅｒｍｏｄｅｌ，ｔｈｉｓｐａｐｅｒｐｕｔｆｏｒｗａｒｄａｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎａｄａｐｔｉｖｅｃｌｏｕｄｍｏｄｅｌ ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＭＰＳＯ）ａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｉｎｔｒｏｄｕｃｅｄｃｌｏｕｄｍｏｄｅｌａｌｇｏｒｉｔｈｍｉｎｔｏｔｈｅｃｏｎｖｅｒｇｅｎｃｅｐｒｏｃｅｓｓｏｆ ＰＳＯａｌｇｏｒｉｔｈｍ．ＴｈｅＡＣＭＰＳＯａｌｇｏｒｉｔｈｍｒｅａｌｉｚｅｄｅｘｃｅｌｌｅｎｔｐａｒｔｉｃｌｅｓ’ｇｅｎｅｔｉｃａｎｄｅｖｏｌｕｔｉｏｎａｌｏｐｅｒａｔｉｏｎ，ａｄｊｕｓｔｅｄｃｌｏｕｄｍｏｄｅｌ’ｓ ｐａｒａｍｅｔｅｒｓａｃｃｏｒｄｉｎｇｔｏｅｖｏｌｕｔｉｏｎａｒｙｓｔａｔｕｓａｎｄｃｏｎｔｒｏｌｅｄｔｈｅｓｅａｒｃｈｒａｎｇｅａｎｄａｃｃｕｒａｃｙａｄａｐｔｉｖｅｌｙ，ｔｈｅｒｅｆｏｒｅＡＣＭＰＳＯｈａｄ ｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｉｎｇｌｏｂａｌｓｅａｒｃｈａｎｄｌｏｃａｌｏｐｔｉｍｉｚａｔｉｏｎ．ＴｈｅｓｉｍｕｌａｔｉｏｎｓｐｒｏｖｅｔｈｅＡＣＭＰＳＯｈａｓｂｅｔｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｐｅｒｆｏｒ ｍａｎｃｅｔｈａｎｔｈｅｏｔｈｅｒｍａｉｎＰＳＯｓ．ＡｎｄｔｈｉｓｐａｐｅｒｐｒｏｖｉｄｅｄａｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｏｆＷｉｅｎｅｒｍｏｄｅｌｔｏｐｒｏｖｅｔｈｅｍｅｔｈｏｄｈａｓ ｂｅｔｔｅｒｉｄｅｎｔｉｆｙｐｅｒｆｏｒｍａｎｃｅｔｈａｎｔｈｅｏｔｈｅｒｍｅｔｈｏｄｓ． Ｋｅｙｗｏｒｄｓ：ｃｌｏｕｄｍｏｄｅｌ；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；Ｗｉｅｎｅｒｍｏｄｅｌ；ｓｙｓｔｅｍｉｄｅｎｔｉｆｉｃａｔｉｏｎ 更高。传统ＰＳＯ算法有早熟收敛、寻优精度不高的缺点，研究 　引言 ［８～１１］ 成果 表明，在ＰＳＯ算法收敛过程中融合其他优化算