基于混合粒子群优化算法辨识Hammerstein模型

非线性系统辨识是现代辨识领域中的一个主要问题。在非线性系统辨识中,系统常被表示为一系列块连接。针对非线性系统中的Hammerstein模型,本文提出了利用混合粒子群优化算法对非线性系统模型进行辨识。该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题,然后采用粒子群优化算法(PSO)获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法。最后,给出仿真实验,其结果验证了本文给出的辨识方法是有效的。     

基于改进粒子群算法的Volterra模型参数辨识

针对非线性系统Volterra泛函级数模型,结合混沌优化策略和种群多样性控制思想,提出了一种改进粒子群算法,并应用于Volterra模型参数的辨识,将非线性系统的辨识问题转化为高维参数空间上的优化问题。利用混沌序列增加初始种群的多样性,通过构建动态子群以进行协作寻优,且各子群采用不同的参数自适应调整策略,并定义算法收敛性测度以对精英粒子进行合理的混沌变异,避免了算法早熟收敛,提高了算法的寻优速度和寻优精度。仿真实验中,将该方法与基于标准粒子群算法、遗传算法、量子粒子群算法的Volterra模型参数辨识方法相比较,验证了该辨识方法的有效性和鲁棒性。     

基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统

基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。     

基于Wiener-Hammerstein模型的一种系统辨识方法

针对工业大系统中Wiener-Hammerstein模型,提出一种新的辨识方法。该方法结合分散辨识对线性系统辨识精度高的优点与混合粒子群优化解决非线性、不可微和多峰值的复杂问题的长处,进行复合控制,并利用计量学中的动态计量方法,建立动态计量仿真模型。仿真研究与实验结果表明,该方法应用在非线性分布参数系统辨识中可有效提高辨识精度。     

基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识

本文考虑在输入-输出数据都带有噪声的前提下,将偏差补偿最小二乘算法（CLS）进行推广得到非线性可分离的最小二乘算法（NSLS）。采用适用于噪声环境的非线性可分离的最小二乘算法可准确地辨识飞机的颤振模态参数,该算法结合传递函数模型,将带噪声系统的辨识问题转化为非线性可分离的最小二乘问题。利用该算法,两噪声的方差值和传递函数中的模型参数可分离地估计出来。最后利用试飞试验数据辨识飞机的系统参数,验证了该方法的有效性。     

基于函数连接神经网络的传感器Hammerstein模型辨识研究

针对非线性动态传感器模型辨识问题,提出利用函数连接神经网络算法对非线性系统的Hammerstein模型进行一步辨识的方法。以多项式逼近传感器中的静态非线性环节,同时结合动态线性环节的差分方程,建立关于直接输入输出的离散数据表达式,利用改进FLANN训练求解Hammerstein模型参数。采用变学习因子的方法对FLANN算法进行改进,提高了收敛速率和稳定性。实验结果表明,该辨识方法简单有效且具有更快的收敛速度。     

融合状态观测及优化方法的纯侧偏轮胎模型辨识

针对目前轮胎模型辨识大多基于轮胎力、轮胎侧偏角等数据已知或可测假设的局限,提出一种基于车载传感器和整车操稳性试验的魔术公式轮胎纯侧偏模型辨识方法。该方法融合状态观测与优化思想,首先构建无迹卡尔曼滤波(Unscented Kalman Filter, UKF)状态观测系统对轮胎模型特征参数进行初步估计,而后将参数识别转换为优化问题,由UKF状态观测系统为粒子群优化(Particle Swarm Optimization,PSO)算法提供初值,且将UKF估计结果与魔术公式轮胎纯侧偏模型参数灵敏度分析结果相结合,为PSO算法提供搜索区间,进一步获取更精确辨识结果。Simulink仿真及不同侧向加速度下的Simulink-Carsim联合仿真结果共同表明,车辆侧向加速度达到一定程度使轮胎进入非线性域后,所提出的辨识方法能够获得较准确的辨识效果。     

应用最优化方法辨识指数自回归模型

本文研究应用非线性最优化原理辨识指数自回归模型的方法，以Ｎｅｗｔｏｎ一维搜索和线性回归法为基础，提出一种改进的坐标轮换算法，交替地估计模型的线性和非线性参数。实例表明，该算法对指数自回归模型具有良好的辨识效果。     

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法.首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联--Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识.仿真与实际传感器系统辨识的实验结果均表明该方法可行.     

基于WLS-SVM的加速度计动态模型参数辩识

提高加速度计动态模型参数辨识精度,对研究和改善加速度计动态特性有重要作用。针对加速度计的非线性影响其动态模型参数辨识精度的问题,提出了一种基于加权最小二乘(WLS)和支持向量机(SVM)的加速度计动态模型参数辩识方法,该方法针对包含线性部分和非线性项的加速度计二阶非线性动态模型,利用WLS辩识加速度计动态模型的线性部分参数,并采用SVM估计加速度计动态模型的非线性特性,通过迭代和最小化所构建的误差准则函数,实现加速度计动态模型参数最优辨识。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够减小加速度计非线性对动态模型参数辩识精度的影响,所得加速度计动态模型参数辨识结果具有较高的精度。     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点,提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后,使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例,与单纯的遗传算法的结果进行对比,说明该方法是有效的。     

李级数法与Runge-Kutta法

对线性自治系统证明了二阶、四阶李级数法分别与Runge—Kutta法中二级二阶改进Euler法和四级四阶经典R—K法的一致性；说明了李级数法和Taylor级数法的一致性，但两者计算导数的方法不同，导致不同的应用价值。分析了李级数法在求解非线性问题时的优越性。     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

光互连网络中排序算法研究

通过对光互连网络排序算法的研究,提出利用二分法构造二分图依次确定内外节点开关的连接状态,得到可重排无阻塞的 Omega 网络, Banyan 网络和 Crossover 光网络,每种光互连网络都可实现 8×8 信号全排列无阻塞的输出和排序。针对二分法互连函数不一致的问题,继而采用优化的 Looping Algorithm 算法,生成路由标签确定各级节点开关的状态,从而得到互连函数相同结构简单性能优越的光网络。     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

基于混合粒子群算法的物流配送路径优化问题研究

针对物流配送路径优化问题,提出了一种融合Powell局部寻优算法和模拟退火算法的混合粒子群算法,以克服单用粒子群算法求解问题早熟收敛的不足,增加算法的开发能力,提高算法的全局搜索能力,并进行了实验计算.计算结果表明,用混合粒子群算法求解物流配送路径优化问题,可以在一定程度上提高粒子群算法在局部搜索能力和搜索全局最优解概率,从而得到质量较高的解.     

k-supplier问题的贪婪近似算法

给定无向完全图G=(V,E)和正整数k,图G的顶点集V被划分为子集F和子集D=V-F.k-supplier问题主要研究如何寻找F中顶点数不多于k的子集S,使得S中的顶点到D中顶点的最大距离最小.研究了k-supplier问题,得到了一个近似比为3的多项式时间贪婪近似算法,并通过实例验证了该算法的有效性.     

基于BP算法与遗传算法的气体识别模型应用

本文采用遗传学习算法和误差反向传播算法（BP 网络）相结合来训练前馈人工神经网络（BPN），使网络收敛速度加快并避免局部极小。依据算法建立网络模型，用小批量训练替代单样本训练和大批量样本训练，提高网络的训练速度。通过模拟，预测结果表明，该算法收敛速度快，预测精度高，为气体模糊识别和预报提供了一种新思路和新方法。     

对Sutherland-Cohen算法的改进

提出了对Sutherland-Cohen算法的改进.通过引进辅助直线进行直线裁剪,只需两次求交运算就即求出线段的可见部分,还减少了对线段的重编码运算,具有和NLN算法相同高的效率.通过引入辅助平面进行三维裁剪,克服了NLN算法不能扩展到三维的缺点,而且其三维裁剪效率高于Sutherland-Cohen算法和梁友栋-Barsky算法.     

求解大规模TSP问题的混合算法

遗传算法求解大规模TSP时呈现出求解时间长、后期效率明显降低等缺陷。通过结合分块方法、局部搜索算法以及禁忌算法,本文提出一个求解TSP的混合算法,以提高初始解质量,减少计算量。利用遗传算法和混合算法对几个TSP进行数值实验,表明无论在结果的质量上还是在运行效率上,混合算法都明显优于遗传算法,而且,规模越大效果越明显。