期刊文献+

基于改进粒子群算法的系统传递函数辨识 被引量:5

原文传递
导出
摘要 为了更好地识别系统参数,本文提出了一种改进的粒子群算法,并应用于系统传递函数的参数估计。首先将邻域信息共享思想整合到粒子群算法中,然后通过跟踪粒子的个体极值、邻域极值和种群的全局极值来更新粒子的速度和位置,充分利用搜索过程粒子间的演化信息,增加粒子的多样性,以避免算法早熟收敛。本文将改进后算法应用到线性系统的传递函数参数辨识中,通过对描述核工业处理废气料的机器人系统的传递函数辨识仿真,结果表明本文方法得到的参数辨识精度高,收敛速度快。
作者 叶倩
出处 《网络安全技术与应用》 2015年第5期185-186,共2页 Network Security Technology & Application
  • 相关文献

参考文献5

二级参考文献30

  • 1胡建,李志蜀,欧鹏,蔡彪,乔少杰.粒子群优化算法中的位置矢量的评价策略[J].四川大学学报(工程科学版),2009,41(1):139-146. 被引量:1
  • 2刘英玉,申东日,陈义俊,李蓉.基于前向神经网络的多新息随机梯度辨识算法[J].哈尔滨商业大学学报(自然科学版),2006,22(2):83-86. 被引量:9
  • 3李效周.计算机配色系统在油墨配色上的应用[J].今日印刷,2006(5):72-73. 被引量:6
  • 4PRABHAKUNDUR.电力系统稳定与控制[M].北京:中国电力出版社,2002..
  • 5徐东杰 许涛 贺仁睦(XuDongjie Xutao HeRenmu).Prony算法在电力系统机电暂态分析中的应用(Application of Prony algnrithm to power system electromechanical transient analysis)[J].电网技术(Power systemtechnology),2001,25:1-5.
  • 6Michael J. Gibbard, Nelson Martins, et al. Recent applications of linear analysis techniques[J]. IEEE Trans. Power System, 2001,16(1): 154-162.
  • 7Pierre D A, Smith J R. General formulation of a Prony based method for simultaneous identification of transfer functions and initial conditions[C]. Proceedings of 31xt conference on decision and control,Dec. 1992: 1686-1691. Tucson, Arizona.
  • 8Trudnowski D J, Smith J R, et al. An application of Prony methods in PSS design for multimachine systems [J]. IEEE Trans. on power systems, 1991,6(1): 118-126.
  • 9Charles W Therrien, Carlos H. An iterative Prony method for ARMA signal modeling [J]. IEEE Trans. on signal processing, 1995,43(1):358-361.
  • 10舒怀林.PID控制与神经网络的结合及PID神经网络非线性控制系统[M].第十九届中国控制会议论文集(二),2000:228-332.

共引文献75

同被引文献20

引证文献5

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部