位置:成果数据库 > 期刊 > 期刊详情页
基于改进差分进化算法的非线性系统模型参数辨识
  • ISSN号:1001-3695
  • 期刊名称:计算机应用研究
  • 时间:2014
  • 页码:124-127
  • 分类:TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构:[1]江南大学教育部轻工过程先进控制重点实验室,江苏无锡214122, [2]江南大学物联网工程学院,江苏无锡214122
  • 相关基金:国家自然科学基金资助项目(21206053,21276111);中国博士后基金资助项目(2012M511198);江苏高校优势学科建设工程资助项目(PAPD)
  • 相关项目:基于群智能的间歇过程分阶段融合建模与协同优化
中文摘要:

针对非线性模型的参数估计寻优较为困难的问题,提出一种基于改进的差分进化算法的非线性系统模型参数辨识新方法。通过引入一个自适应变异率,随着迭代的进行自适应调整缩放因子,从而在初期保持种群多样性以避免早熟,并在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏。交叉概率采用动态非线性增加的方法,提高了收敛速度。为了验证算法性能,针对几类典型的非线性模型参数辨识问题进行了仿真研究,并将其应用于一类发酵动力学模型参数的估计中。结果表明改进算法的参数辨识精度高,收敛速度也比较快,有效提高了模型建立的精度与效率,为解决实际系统中参数估计问题提供了一条可行的途径。

英文摘要:

Estimation of nonlinear regression model parameters is a tough searching problem,this paper propoesd an improved differential evolution algorithm for nonlinear system model parameter identification method.It introduced an adaptive mutation rate to determine the scaling factor adaptively and avoid premature.At the other hand,it proposed a dynamic nonlinear increased crossover probability to improve convergence speed.It simulated for different model examples.The experimental results show that the improved algorithm is higher accuracy and faster convergence. At last, the new method was applied to a class of the fermentation kinetics model parameter estimation, effectively improved the accuracy and efficiency of the model, providing a feasible way to solve the problem of parameter estimation.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049