融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识

论文摘要

针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.

论文目录

• 0 引言
• 1 原始蚁狮优化算法及其改进
•   1.1 ALO算法原理
•   1.2 ALO算法的改进
•     1.2.1 动态随机搜索机制
•     1.2.2 半径连续收缩机制
•   1.3 算法测试与对比结果分析
•     1.3.1 测试函数的设置
•     1.3.2 测试结果对比与分析
• 2 基于改进ALO算法优化的T-S模糊模型对噪声非线性系统的辨识
•   2.1 含噪声输入的T-S模糊模型的描述
•   2.2 模糊前后件参数的确定及优化
• 3 数值仿真及实验研究
•   3.1 噪声非线性系统差分模型的辨识
•   3.2 直拉硅单晶生长过程热模型辨识实验研究
• 4 结论

文章来源

类型: 期刊论文

作者: 赵小国,刘丁,景坤雷

关键词: 蚁狮算法,模糊模型,噪声,非线性系统,直拉硅单晶

来源: 控制与决策 2019年04期

年度: 2019

分类: 信息科技,基础科学

专业: 非线性科学与系统科学,自动化技术

单位: 西安理工大学晶体生长设备及系统集成国家地方联合工程研究中心,西安理工大学陕西省复杂系统控制与智能信息处理重点实验室,西安建筑科技大学机电工程学院

基金: 国家自然科学基金重点项目(61533014),国家科技重大专项基金项目(2009ZX02011001),陕西省教育厅专项科研计划项目(17JK0456)

分类号: TP18;N945.14

DOI: 10.13195/j.kzyjc.2017.1282

页码: 759-766

总页数: 8

文件大小: 1319K

下载量: 367