[发明专利]基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法

权利要求书

1.一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，其特征在于，包括以下步骤：

建立扩展德拜模型，建立待辨识参数的计算公式并确定目标函数；

初始化粒子群，得到对应扩展德拜模型n维解向量的n个粒子，根据待辨识参数的计算公式和目标函数计算每个粒子的自身适应度；

引入蛙跳算法的差异性分组，根据每个粒子的自身适应度大小将n个粒子划分为m个族群；

对每个族群进行迭代和寻优，达到迭代终止条件后，输出全局最优值的粒子所在位置为扩展德拜模型的模型辨识参数。

2.根据权利要求1所述的一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，其特征在于，所述待辨识参数包括复电容实部C'、复电容虚部C”与介质损耗因数tanδ；

每个粒子的自身适应度P计算公式为：

其中tanδ1(ω)、C1'(ω)和C1”(ω)代表ω频率点下的频域介电谱测试值，tanδ(ω)、C'(ω)和C”(ω)代表ω频率点下根据待辨识参数的计算公式得到的计算式值。

3.根据权利要求2所述的一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，其特征在于，所述引入蛙跳算法的差异性分组，根据每个粒子的自身适应度大小将n个粒子划分为m个族群的步骤具体为：

定义粒子种群数量为：

n＝m*z；

其中，n为粒子种群数量，m为族群数，z为族群粒子数量；

计算每个粒子的自身适应度P，将所有粒子按照自身适应度P从大到小进行排序；

自身适应度P最大的第1个粒子分到第1个族群，第2个粒子分到第2个族群…,第m个粒子分到第m个族群,第m+1个粒子分到第1个族群，依次循环直到每个粒子均分到对应的族群中。

4.根据权利要求3所述的一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，其特征在于，所述对每个族群进行迭代和寻优，达到迭代终止条件后，输出全局最优值的粒子所在位置为扩展德拜模型的模型辨识参数的步骤具体为：

根据每个粒子的自身适应度进行比较，获取每个族群内的族群最优值A_bes，获取整个粒子群的全局最优值G_best以及个体最优值P_ibest；每个族群根据粒子位置更新公式进行更新；

计算位置更新后的粒子的自身适应度，决定是否替换每个族群内的族群最优值A_bes，获取整个粒子群的全局最优值G_best以及个体最优值P_ibest；

粒子群迭代次数达到预定次数后，位置更新后的粒子进入下一次差异性分组，继续迭代；

达到迭代终止条件后，输出全局最优值G_best的的粒子所在位置为扩展德拜模型的模型辨识参数。

5.根据权利要求4所述的一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，其特征在于，所述粒子位置更新公式具体为：

其中，c₁、c₂、c₃为学习因子、a和b为(0,1)内的随机数、P_ibest为粒子个体最优值、G_best为粒子全局最优值、A_best为粒子族群最优值。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的扩展德拜模型参数辨识方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5任一项所述的扩展德拜模型参数辨识方法。