龙源期刊网 http://www.qikan.com.cn
非线性系统模型参数估计的算法模型
作者：魏振方 齐名军
来源：《计算机时代》2012年第04期
摘 要： 针对非线性系统模型的多样性，提出了适用于多种非线性模型的基于粒子群优化算法的参数估计方法。 计算结果表明，粒子群优化算法是非线性系统模型参数估计的有效工具。
关键词： 粒子群优化算法； 非线性系统； 参数估计； 优化
中国分类号：TP301.6 文献标志码：A 文章编号：1006-8228（2012）04-34-02 An algorithm of parameter estimation of nonlinear system model Wei Zhengfang, Qi Mingjun
（Hebi Occupation Technology College， Hebi， Henan 458030， China）
Abstract： Aiming at the diversity of nonlinear system model, it is proposed in this article a parameter estimation method based on particle group optimization algorithm that is applicable to a variety of nonlinear models. The result shows that the particle group optimization algorithm for parameter estimation of nonlinear system model is an effective tool.
Key words： particle group optimization algorithm； nonlinear system； parameter estimation； optimization 0 引言
非线性系统广泛地存在于人们的生产生活中，但是，目前我们对非线性系统的认识还不够深入，不能像线性系统那样，把所涉及的模型全部规范化，从而使辩识方法也规范化。非线性模型的表达方式相对比较复杂，目前还很少有人研究各种表达方式是否存在等效关系，因此，暂时还没有找到对所有非线性模型都适用的参数模型估计方法[1]。如果能找到一种不依赖于非线性模型的表达方式的参数估计方法，那么，也就找到了对一般非线性模型系统进行参数估计的方法[2]。
粒子群优化算法[3](Particle Swarm Optimaziton，简称PSO)是由Kennedy博士和Eberhart博士于1995年提出的一种基于群体智能的优化算法，它源于对鸟群群体运动行为的研究，即粒子群优化算法模拟鸟群的捕食行为。设想这样一个场景：一群鸟在随机搜索食物，在这个区域里只有一块食物，所有的鸟都不知道食物在那里，但是他们知道当前的位置离食物还有多远，那么找到食物的最优策略是什么呢？最简单有效的方法就是搜寻目前离食物最近的鸟的周
非线性系统模型参数估计的算法模型
