基于时间注意力机制的时滞混沌系统参数辨识模型.pdfVIP

基于时间注意力机制的时滞混沌系统参数辨识模型.pdf

JournalofComputerApplicationsISSN1001⁃90812023⁃03⁃10

计算机应用,2023,43(3):842-847CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2023）03-0842-06DOI：10.11772/j.issn.1001-9081.2022010122

基于时间注意力机制的时滞混沌系统参数辨识模型

尹聪，胡汉平*

（华中科技大学人工智能与自动化学院，武汉430074）

（∗通信作者电子邮箱hphu@hust.edu.cn）

摘要：针对时滞混沌系统在时滞未知条件下的参数及时滞辨识问题，提出基于时间注意力机制的时滞混沌系统

参数辨识模型——PINN-TA。首先，采用时间注意力机制提取系统状态序列的关联特征，以实现对系统时滞的辨识；

其次，利用循环神经网络（RNN）隐式地近似系统微分方程，形成关于系统参数的代数方程；最后，将代数方程的根作

为参数辨识的结果。分别以时滞Logistic方程、Ikeda微分方程和Mackey-Glass混沌系统等典型时滞混沌系统作为待

辨识系统，对PINN-TA模型和多种智能搜索算法进行对比实验。仿真结果表明，相较于人工雨滴算法（ARA）、混合布

谷鸟搜索算法（HCS）、全局花朵授粉算法（GFPA）、元胞自动机鲸鱼算法（CWA）等现有智能搜索算法，PINN-TA模型

对参数和时滞的辨识误差降低了90.31%~99.36%，且辨识耗时缩短至18.59~19.43ms。可见，PINN-TA模型能够满

足精度和实时性要求，为时滞混沌系统参数及时滞辨识提供可行的解决方案。

关键词：时滞混沌系统；参数辨识；循环神经网络；时间注意力机制；状态序列

中图分类号：TP183文献标志码：A

Parameteridentificationmodelfortime-delaychaoticsystemsbasedon

temporalattentionmechanism

YINCong，HUHanping*

（SchoolofArtificialIntelligenceandAutomation，HuazhongUniversityofScienceandTechnology，WuhanHubei430074，China）

Abstract:Concerningtheproblemofidentificationofparametersandtimedelayforchaoticsystemswithunknown

delay，aparameteridentificationmodelfortime-delaychaoticsystemsbasedontemporalattentionmechanismwasproposed，

namelyParameterIdentificationNeuralNetworkwithTemporalAttention（PINN-TA）.Firstly，thetimedelayidentification