遗传算法参数辨识运算步骤可归纳如下：
① 种群初始化，随机生成N个参数集的位串。
② 采用伪随机二进制序列（PRBS）作为辨识输入信号，采样系统实际输出y(k)。
③ 按适值函数评价，并计算整体的平均性能。
④ 参数辨识是否收敛到指定的精度内或仿真步数是否达到最大，若是，则仿真结束。
⑤ 是否过早出现非成熟收敛，若是,则进行适值调整。
⑥ 按规范适值或适值调整结果复制下一代，并按概率进行交叉和变异操作。
⑦ 查看上一代中最优秀个体是否保留在本代，若不是，则取代本代中任意一个个体，将优秀个体无遗传保留。
⑧转步骤②
2022-05-16 14:34:04
516KB
1
基于蚁群算法的电力系统综合负荷模型及其参数辨识研究，李成，邵正炎，在进行电力系统负荷模型参数辨识时，其所采用的综合负荷模型有必要考虑配电网络的影响。蚁群优化算法是一种基于种群的模拟进化算
2022-05-15 16:42:54
191KB
1
基于加权零吸引因子最小均方算法(RZA-LMS),提出了一种应用于系统辨识的新型自适应滤波算法(ARZA-LMS)。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e 与误差信号e 之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验
2022-05-10 22:37:39
1.37MB
1
阶跃响应法SI
当在被识对象上施加一个阶跃扰动信号，然后测得
对象的响应随时间变化的曲线，根据此，通过图解法
（并非寻求解析公式的方法）来求出被辨识对象的传递
函数（数学模型），称之为阶跃响应法SI。
① 步：实验测取系统阶跃响应（Step Response）
测取系统阶跃响应的实验示意图
2022-05-09 11:55:25
11.69MB
1
【doc】 单神经元无辨识自适应预估控制算法及在过热汽温控制中的仿真研究.doc
2022-05-09 09:06:40
43KB
节后危险源辨识企业复工专题培训（100页）.pptx，这是一份不错的文件
2022-05-08 09:00:17
12.85MB
闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在,被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点,提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数,而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程,对于滞后环节的处理,用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数,从而获得模型参数的估
2022-05-06 17:20:45
828KB
1