一种基于文化基因算法的传递函数辨识方法

摘要

本发明公开了一种基于文化基因算法的传递函数辨识方法，步骤包括：生成数据，编码，产生初始群体，交叉，变异，计算适应度函数，选择，局部搜索以及判断是否满足停止条件。本发明结合了群体算法搜索的广度优点和局部搜索算法的深度优点，以传递函数输出响应误差为优化算法的评价函数，通过个体间的交叉和变异增加了粒子的多样性，利用最小化评价函数来确定传递函数的最优参数，从而推测出与实验数据相吻合的系统传递函数。

主权项

一种基于文化基因算法的传递函数辨识方法，其特征在于，所述方法包括如下步骤：步骤1：生成数据，由实际系统传递函数在输入下产生输出响应的t_f个离散时间序列y(t)，t＝1,2,…,t_f；步骤2：编码，根据传递函数中待估计参数变量的解空间，将可行解数据表示成搜索空间的浮点型串结构数据，这些串结构数据不同组合构成不同可行解；步骤3：产生初始群体，确定搜索群体规模M，杂交概率p_c，变异概率p_v，随机产生M个初始个体，进化代数变量k＝1，最大进化代数K_max；步骤4：交叉，按照杂交概率p_c在M个个体中任意选取两个进行杂交运算，产生新一代群体的两个新个体；步骤5：变异，在杂交运算杂生的新群体中，按照变异概率p_v从中选取若干个体，进行变异操作；步骤6：计算适应度函数，对变异后的新群体根据实际传递函数输出响应和估计传递函数输出响应误差分别计算每个个体的适应度函数，其公式为：$J_i^k=\underset{t=1}{\overset{t_f}{\Sigma }}\left\{(y\left(t\right)-y_i^k{\left(t\right))}^2\right\},i=\mathrm{1,2},...,M$其中，t为从1到t_f的一系列离散时间序列，为第i个个体在第k次迭代优化后获得传递函数参数所对应的系统输出序列；步骤7：选择，从当前群体中选择M个适应度高的个体，选择概率与其适应度成正比，舍弃适应度低的个体；步骤8：局部搜索，对群体中的所有个体采用拟牛顿法进行局部搜索；步骤9：如果满足停止条件或达到最大迭代次数k＝K_max，则寻优结束，所得到的全局最优值，即为传递函数的估计参数值；否则，k:＝k+1，转步骤4。