基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键，针对传统灰狼算法（GWO）存在局部最小值和求解精度不高的缺陷，文章提出一种改进的灰狼算法（TGWO）。通过Singer混沌映射优化了灰狼个体的初始位置，以增加种群多样性；采用非线性收敛因子策略提高了局部开发度和全局搜索度；在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明：该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数，平均相对误差为4.6%，拥有更高的精度和收敛性。