群智能的双率系统的状态与参数估计

发布时间：2022-01-12 13:32

　　针对多率系统（Multirate system）的辨识研究多采用传统的递推辨识算法，近年来，随着科学技术和辨识理论的不断进步和发展，对复杂系统辨识方法的探索以及对辨识方法在收敛性、准确性和鲁棒性等性能上都提出了更高的要求。本文以群智能的生物优化理论为基础，结合线性系统辨识算法的特点与多新息辨识理论融合，基于多率系统的状态空间模型，研究了多率系统的模型转换、参数辨识、状态估计等问题。并分析了智能算法的收敛性和鲁棒性。在前期研究的基础上，查阅了大量的文献，进行了比较深入的研究，取得研究成果如下：1.针对标准粒子群算法的缺点，提出了改进型的快速收敛协同粒子群算法（TheModified Cooperative Particle Swarm Optimization algorithm, MCPSO），给出了算法的迭代公式，并根据标准二阶系统稳定性理论，分析算法的收敛性并给出收敛区域和参数设置准则，最后通过标准测试函数验证改进算法的快速寻优性能和有效性。2.基于双率系统，利用提升技术，建立系统的状态空间辨识模型，通过极小化估计误差协方差矩阵来辨识系统参数，将改进的快速收敛协同粒子群算法，应用在... 

【文章来源】：宁波大学浙江省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
1. 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究主要内容
2 双率系统辨识模型的建立
    2.1 提升技术
    2.2 系统模型
    2.3 小结
3 粒子群优化算法的分析及改进
    3.1 粒子群算法基本原理
        3.1.1 粒子群算法描述
    3.2 粒子群算法改进策略分析
    3.3 CPSO 算法的收敛性分析
        3.3.1 CPSO 算法参数设置准则
        3.3.2 CPSO 快速收敛机制
    3.4 优化算法寻优性能测试
    3.5 本章小结
4 双率系统的参数辨识
    4.1 递推最小二乘辨识原理
    4.2 传递函数模型参数辨识
        4.2.1 双率系统递推最小二乘算法推导
        4.2.2 双率系统 MCPSO 辨识算法
    4.3 仿真实例
        4.3.1 白噪声干扰下双率系统传递函数模型的参数估计
        4.3.2 有色噪声干扰下双率系统传递函数模型的参数估计
    4.4 本章总结
5 多率系统的状态空间的参数和状态估计
    5.1 多率系统规范型状态空间模型描述
    5.2 MCPSO 状态估计算法推导
    5.3 仿真实例
    5.4 本章小结
6 总结和展望
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]基于协同PSO算法的非均匀采样系统辨识[J]. 王涛,林卫星,包建孟.  计算机工程与应用. 2013(24)
[2]PSO算法的稳定性分析及算法改进[J]. 朱小明,张慧斌.  计算机科学. 2013(03)
[3]一种带规范知识引导的改进人工蜂群算法[J]. 林小军,叶东毅.  模式识别与人工智能. 2013(03)
[4]基于人工蜂群算法的非线性方程组求解研究[J]. 刘佳,周真真,夏少芳,王军峰.  自动化仪表. 2013(02)
[5]基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用[J]. 陈志敏,薄煜明,吴盘龙,段文勇,刘正凡.  控制与决策. 2013(02)
[6]基于高斯和近似的扩展切片高斯混合滤波器及其在多径估计中的应用[J]. 陈杰,程兰,甘明刚.  自动化学报. 2013(01)
[7]一种带交叉因子的双向寻优粒子群优化算法[J]. 温雅,李国,徐晨.  计算机应用研究. 2013(01)
[8]融合可行基规则的粒子群优化算法及其应用[J]. 罗彩君.  计算机应用研究. 2012(08)
[9]基于子空间辨识的状态空间模型预测控制[J]. 罗小锁,周国清,邹涛.  计算机工程与应用. 2012(19)
[10]系统辨识（6）:多新息辨识理论与方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(01)

博士论文
[1]多率多输入系统的辨识[D]. 韩丽丽.江南大学 2010

硕士论文
[1]非均匀采样数据系统的辨识方法研究[D]. 谢莉.江南大学 2009
[2]多率采样数据系统的建模与状态估计[D]. 蒋红霞.江南大学 2008



本文编号：3584862