| 基于自适应蚁群优化的Volterra核辨识算法研究 |
| |
| 作者姓名： | 李志农 唐高松 肖尧先 邬冠华 |
| |
| 作者单位： | 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 |
| |
| 基金项目： | 国家自然科学基金(51075372,50775208); 河南省教育厅自然科学基金(2006460005,2008C460003); 湖南省机械设备健康维护重点实验室开放基金(200904); 江西省研究生教育创新基地基金 |
| |
| 摘 要： | 提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra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,本文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,本文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 Volterra级数 非线性系统 系统辨识 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《振动与冲击》浏览原始摘要信息 |
|
点击此处可从《振动与冲击》下载全文 |
|
