[发明专利]一种基于多目标遗传规划的非线性系统辨识方法

摘要

本发明公开了一种基于多目标遗传规划的非线性系统辨识方法。主要针对传统辨识方法在非线性系统的结构未知的情况下，辨识精度低和求解速度慢的缺点。提出同时最优化非线性系统结构和系统参数的多个目标优化函数模型，采用一种新颖的多目标遗传规划方法求解该模型。该方法提出了一种新的针对多个优化目标的评价方法，可以将决策过程融合在优化过程中而不需要计算多个Pareto最优解，其评价过程更高效。该方法可以有效的挖掘大量输入输出数据之间的非线性关系，提高辨识效率和准确度。

主权项

一种基于多目标遗传规划的非线性系统辨识方法，包括如下步骤：(1)初始化：采用树表示染色体个体的结构分量g，定义用于生成初始树结构的内部节点集合和叶子节点集合，设置树结构的最大深度Deptmax；其中染色体个体的参数分量c的矢量长度由结构分量g中因式项的个数决定；(2)多目标评价：P0个染色体个体初始树构成初始种群，根据每个染色体个体的树结构和参数值计算f1,f2,f3三个目标函数的值，f1,f2,f3分别为输出量均方误差的最小化、选中的输入变量数量的最小化、以及系统结构复杂度的最小化；将每个染色体个体计算得到的目标函数值进行对比，根据优化排序方法对每个个体进行排序，得出每个个体的适应度；(3)迭代步骤：初始迭代次数为0，迭代次数逐渐累加，假设当前迭代次数为k，本次迭代的种群中包含Pk个染色体，首先判断迭代收敛终止的条件是否满足，即迭代次数是否达到最大迭代数、或是输出量的均方误差是否小于指定阀值、或是三次以上迭代获得的最优解是否不变，若满足则结束，若不满足，则通过优化排序方法在Pk个染色体中选择迭代的个体生成染色体交配池，将交配池中的染色体个体分成三部分，分别用于复制、交叉和变异的进化操作；在复制操作中，利用优化排序方法获得的个体适应度进行判断，将适应度值较小的较优个体直接复制进入下一次迭代的种群；剩下的个体进行交叉和变异的进化操作，先通过进化操作获得子代，再采用基于竞争决策的精英培养机制，将母代和其对应的子代综合评价，从中选择较优的个体进入下一次迭代的种群；(4)迭代后的染色体个体的多目标评价：采用正交最小二乘方法OLS对含有冗余分支树的个体进行剔除处理，根据优化排序方法得出新的种群中每个个体的适应度值；再次执行步骤(3)。