群智能的雙率系統(tǒng)的狀態(tài)與參數(shù)估計(jì).pdf

1、針對(duì)多率系統(tǒng)(Multirate system)的辨識(shí)研究多采用傳統(tǒng)的遞推辨識(shí)算法，近年來(lái)，隨著科學(xué)技術(shù)和辨識(shí)理論的不斷進(jìn)步和發(fā)展，對(duì)復(fù)雜系統(tǒng)辨識(shí)方法的探索以及對(duì)辨識(shí)方法在收斂性、準(zhǔn)確性和魯棒性等性能上都提出了更高的要求。本文以群智能的生物優(yōu)化理論為基礎(chǔ)，結(jié)合線性系統(tǒng)辨識(shí)算法的特點(diǎn)與多新息辨識(shí)理論融合，基于多率系統(tǒng)的狀態(tài)空間模型，研究了多率系統(tǒng)的模型轉(zhuǎn)換、參數(shù)辨識(shí)、狀態(tài)估計(jì)等問(wèn)題。并分析了智能算法的收斂性和魯棒性。在前期研究的基礎(chǔ)上，查

2、閱了大量的文獻(xiàn)，進(jìn)行了比較深入的研究，取得研究成果如下：
　　1.針對(duì)標(biāo)準(zhǔn)粒子群算法的缺點(diǎn)，提出了改進(jìn)型的快速收斂協(xié)同粒子群算法(The Modified Cooperative Particle Swarm Optimization algorithm, MCPSO)，給出了算法的迭代公式，并根據(jù)標(biāo)準(zhǔn)二階系統(tǒng)穩(wěn)定性理論，分析算法的收斂性并給出收斂區(qū)域和參數(shù)設(shè)置準(zhǔn)則，最后通過(guò)標(biāo)準(zhǔn)測(cè)試函數(shù)驗(yàn)證改進(jìn)算法的快速尋優(yōu)性能和有效性。

3、　　2.基于雙率系統(tǒng)，利用提升技術(shù)，建立系統(tǒng)的狀態(tài)空間辨識(shí)模型，通過(guò)極小化估計(jì)誤差協(xié)方差矩陣來(lái)辨識(shí)系統(tǒng)參數(shù)，將改進(jìn)的快速收斂協(xié)同粒子群算法，應(yīng)用在帶有白色和有色噪聲的雙率模型上，通過(guò)和遞推最小二乘算法(RLS)的實(shí)驗(yàn)結(jié)果比較，對(duì)比了不同算法在雙率系統(tǒng)參數(shù)估計(jì)上的優(yōu)缺點(diǎn)，分析了算法的收斂性和魯棒性。
　　3.基于非均勻周期采樣的多率系統(tǒng)，建立系統(tǒng)規(guī)范型狀態(tài)空間模型并推出基于快速收斂的協(xié)同粒子群優(yōu)化的狀態(tài)估計(jì)算法。通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證了改進(jìn)