混合粒子群OIF-Elman神经网络系统辨识

本文提出了一种基于混合粒子群优化算法的OIF-Elman递归神经网络辨识方法。混合算法融合了粒子群算法与差分进化算法的优化能力并加入了在群体最优位置附近的高斯变异操作。与三种典型差分进化算法的仿真对比结果说明了,通过以上改进加快了算法的收敛速度,提高了优化精度。将该辨识方法用于实验室加热炉换热器系统双入双出耦合对象的辨识中,获得的对象模型较之标准的Elman神经网络辨识精度更高,且结果表明本方法与采用反向传播算法作为学习算法的OIF-Elman模型相比,基于改进粒子群算法优化的模型具有更高的精度和更简单的网络结构。