1、毕业设计开题报告电气工程与自动化非线性HAMMERSTEIN模型的辨识一、选题的背景与意义系统辨识是是现代控制理论中的一个重要分支。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及控制器的设计。非线性系统辨识是系统辨识的一个重要的发展方向，一直是现代辨识领域中的一个主要课题，对其研究有十分重要的理论和实际意义。非线性问题的主要困难之一是一直缺乏描述各种非线性系统特性的统一的数学模型。为此，人们提出了多种类型的模型，如块联模型1、神经网络模型2、双线性模型3、非线性参数模型等等。HAMMERSTE
2、IN模型属于块联模型，由一个线性动态系统跟随一个非线性静态模块构成。自从NARENDRA1C,2C为加速因子；1RAND，2RAND为相互独立的0,1区间内均匀分布的随机数。当W1是，就是基本的PSO算法。图2为PSO算法的流程图。达到最大进化数结束开始随机产生的位置和速度初始化粒子群求每个粒子曾到过的最优位置PI求粒子群曾到过的最优位置PG用公式（4）、（5）、（6）更新速度和位置NY图2PSO算法的流程图32PSO参数设置适应度函数一般而言，适应度函数是由目标函数变换而成的。通常可以由直接求的目的函数F（X）转化为适应度函数FIT（F（X）；惯性权重W用于控制过去速度对现在速度的作用大小，
3、从而影响粒子的全局和局部的搜索能力；最大调整速度MAXV由4、5式可以看出最大调整速度限制了PSO的全局搜索能力；粒子数粒子数主要和搜索空间有关，搜索空间越大、越复杂，所需的粒子数越多，一般取2040；粒子的搜索范围宽度MAXX由优化问题决定，每一维可以设定不同的宽度。如果在实现前能够对粒子的搜索范围进行估计，则可以强制粒子在一个较小的空间中流动，这样可以提高搜索速度和精度；加速度因子1C,2C4式中11HIDIDXPRANDC项可看成认知项，它和粒子自己的认知经验有关。4细菌觅食优化（BFO）算法对于HAMMERSTEIN模型的辨识研究，笔者将会重点基于PSO算法对其模型进行辨识，因此对BF
4、O算法8只做简单的原理阐述。细菌觅食优化算法是新兴的进化算法，也是一种全局随机搜索算法。该算法主要通过趋向性操作、复制操作和迁徙操作这三种操作迭代计算来求解问题，下面介绍这三大操作及其流程。1趋向性操作大肠杆菌在觅食过程中有两种基本运动游动和旋转。这两种运动依靠细菌表面遍布的鞭毛以100200R/S的速度同方向摆动来实现。当所有鞭毛逆时针转动时，大肠杆菌以L020TM/S的平均速度向前游动，游动的平均时间大约为086118S；当所有鞭毛顺时针转动时，大肠杆菌在原地旋转，并随机选择一个方向进行下一次的游动，旋转的平均时间大约是014019S。通常，细菌在环境差的区域如有毒区域会较频繁地旋转，在环
5、境好的区域如食物丰富的区域会较多地游动。大肠杆菌的整个生命周期就是在游动和旋转这两种基本运动之间进行变换鞭毛几乎不会停止摆动，游动和旋转的目的是寻找食物并避开有毒物质。在细菌觅食优化算法中模拟这种现象称为趋向性行为CHEMOTAXIS。2复制操作生物进化过程的规律是优胜劣汰。经过一段时间的食物搜索过程后，部分寻找食物能力弱的细菌会被自然淘汰掉，为了维持种群规模，剩余的细菌会进行繁殖。在细菌觅食优化算法中模拟这种现象称为复制行为REPRODUCTION。在原始BFOA中，经过复制操作后算法的种群大小不变。设淘汰掉的细菌个数为S/2，首先按照细菌位置的优劣排序，然后把排在后面的个细菌淘汰掉，剩余的
6、，个细菌进行自我复制，各自生成一个与自己完全相同的新个体，即生成的新个体与原个体有相同的位置，或者说具有相同的觅食能力。3迁徙操作细菌个体生活的局部区域可能会突然发生变化如温度的突然升高或者逐渐变化如食物的消耗，这样可能会导致生活在这个局部区域的细菌种群集体死亡，或者集体迁徙到一个新的局部区域。在细菌觅食优化算法中模拟这种现象称为迁徙行为ELIMINATIONANDDISPERSA1。迁徙操作以一定概率发生。给定概率P，如果种群中的某个细菌个体满足迁徙发生的概率，则这个细菌个体灭亡，并随机地在解空间的任意位置生成一个新个体，这个新个体与灭亡的个体可能具有不同的位置，即不同的觅食能力。迁徙操作随
7、机生成的这个新个体可能更靠近全局最优解，这样更有利于趋向性操作跳出局部最优解和寻找全局最优解。除了上述3个主要操作外，BFOA还有群聚性的特点。每个细菌个体除按照自己的方式搜索食物外，还收到种群中其他个体发出的吸引力信号，即个体会游向种群中心，同时也会收到附近个体发出的排斥力信号，以保持个体与个体之间的安全距离。因此BFOA中的每一个细菌个体寻找食物的决策行为受两个因素的影响一是自身的信息，即个体觅食的目的，目的是使个体在单位时间内获取的能量最大；二是其他个体的信息，即种群中其他细菌传递的觅食信息。5、研究条件和可能存在的问题及预期的结果对于HAMMERSTEIN模型辨识实验可以通过MATLA
8、B软件进行仿真研究，也可以在相关专门的运控实验室可以进行模拟研究。在文献7中可知，传统PSO算法辨识和最小二乘法辨识相比较，PSO辨识所获得的模型与真实模型的参数和阶跃响应均比较吻合，而通过带遗忘因子的增广最小二乘递推算法进行辨识所获得的模型与真实模型的阶跃响应相差比较大，辨识的结果不是很理想；PSO算法的精度和鲁棒性也都要高于非线性最小二乘法。然而，PSO算法仍然存在很多的问题，比方说过早收敛和停滞于局部优化等9。文献10展现了PSO算法在前几次迭代中比其它演化进化算法有更好的表现，但是随着迭代次数的增加，它的收敛性随之降低。因此，将会采用改进的PSO算法（MODIFIEDPSOALGORI
9、THM）对HAMMERSTEIN模型进行辨识。四、研究的总体安排与进度第13周（2010112720101219）在广泛查阅中外文献与资料的基础上，完善课题研究方案，完成文献综述2000字以上和翻译外文文献2篇以上，（每篇外文文献翻译的中文字数一般要求2000字以上）。第4周（2010122020101226）在文献查阅的基础上，完成课题综述，完成开题报告，完成开题报告答辩。第58周（201012272011116）毕业设计（论文）的设计主要实施阶段，按本课题的技术路线与总体方案具体实施。第912周（2011021720110313）2010学年上学期第14周毕业实习。第1318周（20110
10、31420110424）继续设计阶段、实验、设计、编程、调试、结果分析、撰写论文。期间还将组织毕业设计的中期检查，执行“毕业设计（论文）中期黄牌警告制度”。第1921周（2011042520110515）毕业设计资料整理，提交完整的毕业设计（论文）资料。第2223周（2011051620110527）毕业设计（论文）答辩准备、答辩、毕业设计成绩评定。五、主要参考文献1张媛媛,徐科军基于块联模型的动态非线性校正方法比较J控制工程,2009年3月,第16卷第2期2张鹏常羽彤基于人工神经网络的动态过程聚类研究J计算机X程与应用,2007，第43卷第23期3徐晓秋,夏丛英遗传算法的双线性模型参数辨识J
11、西南工学院学报，2000年6月，（第15卷第2期）4KSNARENDA,PGGALLMAN,ANITERATIVEMETHODFORTHEIDENFICATIONOFNONLINEARSYSTEMSUSINGAHAMMERSTEINMODELJIEEETRANSACTIONSONAUTOMATICCONTROL,1966,1L35465505徐小平,钱富才基于改进粒子群算法的HAMMERSTEIN模型辨识J计算机工程,2008年7月,第34卷第14期6邹乐强最小二乘法原理及其简单应用J科技信,2010年,第23期7林卫星,张惠娣应用粒子群优化算法辨识HAMMERSTEIN模型J仪器仪表学报,2006年1月,（第27卷第1期）8周雅兰细菌觅食优化算法的研究与应用J计算机工程与应用,2010,第46卷第20期9杨维,李歧强粒子群优化算法综述J中国工程科学,2004年5月，第6卷第5期10SATYASAIJAGANNATHNANDA,GANAPATIPANDA,DEVELOPMENTOFIMMUNIZEDPSOALGORITHMANDITSAPPLICATIONTOHAMMERSTEINMODELIDENTIFICATIONJIEEECONGRESSONEVOLUTIONARYCOMPUTATION,2009
