基于人工蜂群算法的Van der Pol-Duffing振子的参数辨识

摘要

系统控制与同步是控制工程的重要组成部分，一直以来在工程应用的诸多领域备受关注。作为系统控制与同步的前提，系统辨识有着十分重要的理论意义和应用价值。自1967年以来，国际自动控制联合会(IFAC)曾多次召开过以系统辨识和参数估计为主题的专题会议。到目前为止，系统辨识已取得了许多成果，不仅在航空航天、工业生产中有着广泛应用，而且在经济管理、生物医学、气象学、环境工程和社会系统等领域发挥着至关重要的作用。
　　 作为一种新的群智能优化算法，ABC算法在2005年才经提出，研究时间较短。此算法主要用于多维度、多峰值的优化问题，其仿真结果可与PSO算法和DE算法相媲美。因其参数少、演化速度快、计算简单、易于实现等优点，算法一经提出就在引起了研究人员的高度注意，但目前为止，该算法很少被用在系统辨识的问题上。
　　 本文旨在对ABC算法做进一步的分析研究，在此基础上对算法加以改进，建立恰当的数学优化模型，设计通用的求解系统辨识问题的方法，对一类非线性振动系统“Van der Pol-Duffing(VDPD)”振子的未知参数进行辨识。
　　 第一章首先介绍了系统辨识的研究背景和意义。其次介绍了系统辨识的方法以及系统辨识的国内外研究现状。最后给出了本文的研究内容、研究目的以及文章的结构安排。
　　 第二章首先概括地描述了智能优化算法的概念和意义，而后列举了目前常用的一些智能优化算法。最后，通过详细介绍GA、DE、ACO、PSO四种算法的优化原理、算法流程、研究现状、应用成果，着重说明了演化算法以及群智能算法。
　　 第三章是对ABC算法的详细论述。首先介绍了ABC算法的产生与发展过程。而后说明了该算法的优化原理。最后对此算法的全局收敛性进行了说明。
　　 第四章提出了带有空间收缩机制的人工蜂群(ABCSC)算法。为改善算法的后期探索能力，每隔一定的演化次数，以当前最优解为中心定义新的搜索空间，在新空间中重新初始化种群。
　　 第五章采用ABCSC算法对VDPD振子的未知参数进行辨识。辨识过程分为无噪和含噪两个阶段，基于对辨识结果的定量和定性分析，说明了改进后的ABC算法在解决此类问题中的可行性、有效性。
　　 第六章总结全文所做工作，对将来的研究工作做出展望。

目录

声明

摘要

第1章 绪论

1．1 本文的研究背景和意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 本文的主要研究内容

1．4 本文的研究目的

1．5 本文的组织结构

第2章 智能优化算法

2．1 概述

2．2 演化算法

2．2．1 GA

2．2．2 DE算法

2．3 群智能算法

2．3．1 ACO算法

2．3．2 PSO算法

2．4 本章小结

第3章 ABC算法的概述

3．1 ABC算法的产生和发展

3．1．1 算法的产生

3．1．2 算法的发展

3．2 ABC算法的优化原理

3．2．1 算法的数学模型

3．2．2 算法的流程图和伪代码

3．3 算法的收敛性

3．3．1 ABC算法的Markov链模型

3．3．2 ABC算法的收敛性分析

3．4 本章小结

第4章 带有空间收缩机制的ABC算法

4．1 不完全演化算法

4．2 空间收缩机制

4．3 ABCSC算法

4．3．1 ABCSC算法的思想

4．3．2 ABCSC算法的意义

4．3．3 ABCSC算法的流程图和伪代码

4．3．4 参数设定

4．4 本章小结

第5章 ABCSC算法在系统参数辨识中的应用

5．1 VDPD振子

5．2 VDPD振子辨识的数学模型

5．3 仿真结果

5．3．1 单井VDPD振子

5．3．2 双井VDPD振子

5．3．3 双峰VDPD振子

5．3．4 仿真结果分析

5．4 本章小结

第6章 总结与展望

6．1 全文总结

6．2 本文展望

致谢

参考文献

攻读硕士期间发表的论文