[发明专利]非线性迟滞动力学模型参数识别的粒子群新算法

权利要求书

1.非线性迟滞动力学模型参数识别的粒子群新算法，其特征在于，包括如下步骤：

步骤1，读入包含试验状态与迟滞回线在内的试验数据；

步骤2，初始化粒子群，将D个代表待识别参数的N维粒子随机布置在搜索域内；

步骤3，利用D个粒子的N维参数，调用非线性迟滞动力学模型的分析模块，计算全体粒子的迟滞回线；

步骤4，计算各个粒子的迟滞回线计算值与试验值之间的差距，利用适应度函数确定各个粒子的适应度值；

步骤5，通过将各个粒子的适应度值与各个粒子的历史最优适应度值以及全局最优适应度值比较，更新各个粒子的历史最优位置和粒子群的全局最优位置；

步骤6，利用步骤5中确定的各个粒子新的历史最优位置和粒子群新的全局最优位置，更新各个粒子的位置；

步骤7，当算法达到最大迭代步数时，输出识别结果，完成整个识别过程。

2.根据权利要求1所述的非线性迟滞动力学模型参数识别的粒子群新算法，其特征在于：步骤4所述迟滞回线计算值与试验值之间的差距，利用公式计算；其中，M为迟滞回线试验值的个数，ω_i为迟滞回线第i个试验值的权系数，为第i个试验值的纵坐标，为第i个试验值的横坐标处迟滞回线计算值的纵坐标。

3.根据权利要求1或2所述的非线性迟滞动力学模型参数识别的粒子群新算法，其特征在于：步骤4所述适应度函数为其中a为平移因子，b为缩放因子。

4.根据权利要求3所述的非线性迟滞动力学模型参数识别的粒子群新算法，其特征在于：所述平移因子a和缩放因子b的确定方法为：首先，利用标准粒子群算法对模型参数进行一次识别，确定适应度随迭代步的变化趋势，假设第1迭代步和最大迭代步J时，利用识别的模型参数计算得到的迟滞回线计算值与试验值之间的差距分别为e₁和e_J，缩放因子b等于(x₂-x₁)/(e₁-e_J)，平移因子a等于x₁-e_J(x₂-x₁)/(e₁-e_J)；其中[x₁,x₂]为区间，x₁∈[0.15,0.35]，x₂∈[2.5,4]。