文献类型：期刊文章

作　　者：熊伟丽[1,2] 许文强[2] 赵兢兢[2] 徐保国[2]

机构地区：[1]江南大学轻工过程先进控制教育部重点实验室,无锡214122 [2]江南大学物联网工程学院自动化系,无锡214122

出　　处：《系统仿真学报》

基　　金：国家自然科学基金项目(21206053;21276111);博士后基金项目(1101021B;2012M511678)

年　　份：2013

卷　　号：25

期　　号：5

起止页码：969-974

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能。首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏。运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力。与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低。

关 键 词：差分进化算法 自适应变异 参数辨识 WIENER模型

分 类 号：TP18]