摘要
本文以一个线性时滞反馈系统为研究对象,对系统及时滞反馈控制参数进行了辨识。研究中,文章将参数辨识问题转变为优化问题。通过将理论分析得到的幅频关系和预测的幅频关系进行比较,文章得到了多种不同形式的关于参数的目标函数。本文采用了粒子群优化算法(Particle Swarm Optimization)对得到的目标函数进行优化,从而得到参数的辨识结果。文章介绍了粒子群优化算法的基本思想和发展过程,介绍了粒子群算法的主要步骤和关键因素。在辨识参数时,本文采用了完全型粒子群算法对目标函数进行了优化,并且在优化时采用了不同的学习因子,这些参数辨识过程均得到了很好的结果。本文详细展示了粒子群算法在参数辨识时优化的具体过程。另外,本文也在待辨识的数据中加入了随机的噪声,这些噪声模拟了实际实验及其数据采集过程中的情况。本文将有噪声数据的辨识结果、无噪声数据的辨识结果和真实值之间进行了比较,结果表明,使用粒子群算法可以有效地辨识出系统的参数。
引文