基于自适应混合引力搜索算法的混沌系统参数辨识

针对混沌系统未知参数的辨识问题,结合人工蜂群搜索算子和混沌优化策略,提出一种自适应混合引力搜索算法,并应用于混沌系统未知参数的优化辨识.利用混沌序列初始化种群以增强搜索初期的遍历性,基于人工蜂群搜索算子进行变异操作以提高算法的局部寻优能力,依据粒子的性能对进化过程中的万有引力系数进行自适应调整,有效避免了早熟收敛,提高了算法的整体寻优性能.以测试函数和典型混沌系统为例进行仿真实验,结果证明该算法具有良好的全局探测和局部开发能力,与遗传算法、粒子群算法、量子粒子群算法和引力搜索算法比较,其对混沌系统参数的估计具有相对较高的辨识精度和收敛速度,算法的有效性得到了验证.

采用哈密顿自适应状态观测器的永磁同步电机混沌系统参数辨识

针对永磁同步电机在运行中出现的混沌状态,提出了一种基于哈密顿自适应状态观测器的永磁同步电机混沌系统参数辨识方法,构造混沌系统的端口受控哈密顿系统模型,利用"扩张+反馈"思想,设计端口受控哈密顿系统的自适应状态观测器,在状态观测的过程中完成参数辨识。仿真验证了哈密顿模型能充分利用系统自身物理结构,所设计的状态观测器结构简单有效、易实现,能观察系统的内部结构和信息,实现高精度辨识。

改进量子遗传算法辨识超混沌系统

混沌系统的参数辨识是非线性科学混沌控制与同步的关键问题.提出了具有良好全局搜索能力的改进量子遗传算法,将其用于混沌系统参数辨识问题。通过减小实际系统与数学模型的状态同步误差构造适应度函数,将参数辨识问题转化为多维优化问题.用此改进的算法对超混沌Chen系统进行了研究,并与基本量子遗传算法进行了比较,结果表明改进的算法具有更好的寻优能力,并证实了改进量子遗传算法的有效性、可行性.