丁學明，張久忠，沈業茂
上海理工大學光電信息與計算機工程學院，上海

摘　　　要：提出基于改進自適應粒子群算法（ＩｍｐｒｏｖｅｄＳｅｌｆ�玻幔洌幔穑簦幔簦椋铮睿校幔颍簦椋悖欤澹樱鳎幔颍恚希穑簦椋恚椋�ａ�玻簦椋铮�，ＰＳＯ）的Ｔ�玻幽：�模型辨識方法。首先，利用核函數的模糊聚類算法劃分數據空間，盡可能少地提取模糊規則，并消除孤立點、噪聲點數據等的不利影響；其次，基于ＩＳＰＳＯ算法進行參數辨識，將待辨識的參數劃分為若干粒子，自適應更新飛行速度，動態修改慣性權因子，慣性權因子呈非線性動態變化，不僅可以克服ＰＳＯ算法陷入局部較優的早熟，失去多樣性，而且可以提高粒子在全局較優位置繞行時的穩定性。提出的方法使得Ｔ�玻幽Ｐ捅孀R達到較高的辨識精度。仿真實例和比較分析證明了該算法的有效性。

關　鍵　詞：Ｔ�玻幽Ｐ�；核函數；模糊聚類；ＰＳＯ算法

１　引　言
非線性動態系統辨識問題是目前系統辨識主要研究領域，Ｔ�玻幽Ｐ停郏保菔且环N有效的辨識工具，它是把非線性系統看成是多個線性系統的加權組合，通過模糊推理的方法實現了全局的非線性，能夠逼近任意非線性系統，同時能夠將線性系統理論應用于非線性系統控制當中。Ｔ�玻幽Ｐ捅孀R可分為結構的辨識和參數的辨識２個層次。模糊Ｃ�簿�值聚類（ＦＣＭ）［２�玻矗菔墙Y構辨識的有效工具。在文獻［５］中，提出了采用混沌序列優化的聚類方法確定模型的結構，可以取得聚類評價函數的全局極值，但是對于數據中的孤立點、噪聲點很敏感，使得結構不夠準確。后件參數的辨識實質是優化問題，ＰＳＯ算法［６］被用于許多優化問題和解決非線性問題，針對ＰＳＯ算法容易早熟和微粒在算法后期易在全局較優解附近“震蕩” 的現象，許多研究者對ＰＳＯ算法進行了改進［７�玻福�。文獻［７］提出一種基于群體平均適應度的自適應ＰＳＯ算法；文獻［８］通過在ＰＳＯ算法中，慣性權重從較大值０�保咕�性地減小到較小值０�保�，但是很難找到適應于不同問題的較佳值。

登錄網站后可下載文件