基于DEAFCR算法的非线性系统模型参数辨识

针对非线性模型参数辨识困难和不准确的问题,提出一种基于改进的差分进化算法的辨识算法。通过建立寿命机制,根据寿命值,动态调整缩放因子和交叉率,在算法初期保持多样性来避免早熟收敛,在后期保留优质解,加快收敛速度。为验证改进算法的性能和实用性,用典型测试函数进行对比测试,并辨识非线性传递函数模型和Hammerstein模型,试验结果表明改进的算法收敛速度快,辨识精度高,对非线性系统参数辨识有效可行。

基于改进粒子群算法的工业过程参数辨识

粒子群算法存在着易陷入局部最优,过早收敛等缺点,提出一种将粒子群和模拟退火相结合的算法,并对学习因子做了相应的改进。在保持全局搜索速度较快的前提下,提高全局概率突跳的能力,理论上能够较好地克服粒子群算法本身容易陷入局部最优的缺点,并将新的算法用于热工过程参数辨识之中。实验证明,新的算法有较好的辨识效果。