強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí).pdf

1、浙江大學(xué)博士學(xué)位論文強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí)姓名：柯晶申請(qǐng)學(xué)位級(jí)別：博士專(zhuān)業(yè)：控制科學(xué)與工程指導(dǎo)教師：錢(qián)積新2003.1.1強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí)浙江大學(xué)博士學(xué)位論文了基于全局信息反饋的重新初始化機(jī)制。仿真結(jié)果顯示了HPSO算法的有效性o／一，(5)將粒子群優(yōu)化用于Hammerstein和MISOWiener—Hammerstein兩類(lèi)非線(xiàn)性系統(tǒng)模型的辨識(shí)。f方法的基本思想是將非線(xiàn)性系統(tǒng)的辨識(shí)問(wèn)題轉(zhuǎn)化為非線(xiàn)性函數(shù)的優(yōu)化問(wèn)題，然后利用粒

2、子群優(yōu)化獲得系統(tǒng)參數(shù)的最優(yōu)估計(jì)。數(shù)值仿真示例顯示了本方法的可行性。／礦7(6)提出了基于混合粒子群優(yōu)化的時(shí)變時(shí)滯系統(tǒng)辨識(shí)方法。島法的實(shí)質(zhì)是將時(shí)變動(dòng)態(tài)系統(tǒng)的辨識(shí)問(wèn)題轉(zhuǎn)化為非線(xiàn)性函數(shù)的在線(xiàn)優(yōu)化問(wèn)題，然后利用混合粒子群優(yōu)化算法獲得時(shí)變參數(shù)的最優(yōu)估計(jì)。通過(guò)引入遺忘因子和充分利用已有信息，該方法可以準(zhǔn)確估計(jì)未知時(shí)滯并且有很強(qiáng)的關(guān)于時(shí)變參數(shù)的跟蹤能力。)、，、(7)提出了一種基于粒子群優(yōu)化的滾動(dòng)時(shí)域非線(xiàn)性觀(guān)測(cè)器。／該觀(guān)測(cè)器對(duì)初始條件不敏感，是一種有