欧超
- 作品数：3 被引量：4H指数：1
- 供职机构：宁波大学信息科学与工程学院更多>>
- 发文基金：浙江省自然科学基金宁波市自然科学基金浙江省教育厅重点资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 细菌生存优化在非线性模型辨识中的应用被引量：3
- 2009年
- 提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization BFO)的非线性模型辨识方法。它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识,从而估计出它的参数模型。通过对这类输入非线性模型进行辨识,并用仿真实验说明BFO算法的参数设置与选择方法。比较基于粒子群优化(Particle Swarm Optimization PSO)的非线性模型辨识算法,特别是对有色噪声的鲁棒性、模型的辨识精度、辨识收敛速度进行对比分析,以得出BFO辨识算法的优缺点及其有效性。
- 林卫星Peter X.Liu李文磊陈炎海欧超
- 关键词：系统辨识HAMMERSTEIN模型粒子群优化
- 粒子群优化的收敛分析及在广义预测控制中的应用
- 2012年
- 在进行粒子群优化的收敛性理论分析的基础上,推出了保证粒子群优化算法收敛性的参数设置区域,合理选择粒子群算法的关键参数,将粒子群优化与广义预测控制有机融合,用粒子群算法来解决广义预测控制的优化问题,提出基于粒子群优化的广义预测控制算法,通过工业过程对象的仿真并和传统的广义预测控制算法进行了对比分析,表明了该算法的有效性,特别是算法具有良好的输出跟踪精度和较强的鲁棒性.
- 林卫星陈炎海欧超李文磊
- 关键词：广义预测控制粒子群优化收敛性鲁棒性
- 基于PSO的变结构变时滞自校正控制被引量：1
- 2008年
- 针对变结构、变时滞被控对象,将粒子群优化(PSO)算法与广义最小方差相结合,采用实时自校正过程对其进行控制,提出基于 PSO 自校正控制器算法.该算法应用隐式辨识方式,可减少辨识计算量,通过跟踪误差来改变辨识精度.以工业上典型的一阶、二阶和三阶系统的结构变化并伴随着有时滞突变的复杂被控对象进行仿真,并和基于最小二乘的传统自校正控制方法比较得知,在运用 PSO 自校正控制器的控制下,系统输出量与期望输出之间的方差趋于更小,控制跟随性和鲁棒性均较好.仿真结果表明该自校正控制器的有效性与应用价值.
- 林卫星欧超刘小平李文磊
- 关键词：自校正控制变时滞变结构
