The invention discloses a particle swarm optimization algorithm for nonlinear hysteretic dynamic model parameter identification, belonging to the field of nonlinear hysteretic system parameter identification and swarm intelligence algorithm. According to the characteristics of nonlinear hysteretic dynamics model, the invention is based on the standard particle swarm algorithm, by defining a special fitness function, improved particle swarm algorithm to establish the parameter identification of nonlinear hysteretic dynamics model. The invention improves the convergence performance of standard particle swarm algorithm, the algorithm can improve the iterative process in the early stage of global searching ability and later in the iteration process of local search ability, avoid the optimization recognition process into local extremum, premature convergence, parameters can quickly and accurately identify dynamic model with nonlinear hysteresis characteristics.
【技术实现步骤摘要】
非线性迟滞动力学模型参数识别的粒子群新算法
本专利技术涉及非线性迟滞动力学模型参数识别的粒子群新算法,属于非线性迟滞系统参数识别、群智能算法的领域。
技术介绍
迟滞特性作为一种非线性动力学特性,广泛存在于橡胶、压电陶瓷、磁流变等材料中。在对此类材料进行非线性动力学分析时,为了建立准确的动力学模型,需采用非线性迟滞动力学模型。非线性迟滞动力学模型能够准确模拟结构的非线性迟滞特性,但具有较多的模型参数,需要利用优化算法进行识别。由于非线性迟滞动力学模型的参数较多,彼此之间存在耦合,这使得对模型参数准确、快速识别的难度大大增加。针对非线性迟滞动力学模型的特点,国内外提出了许多参数识别方法,如最小二乘法、遗传算法、帝国主义竞争算法、粒子群算法等。其中粒子群算法,由于具有收敛迅速、原理简单、易于实现的特点,被广泛运用于多目标优化、模式识别、信号处理、损伤识别等领域。但是标准粒子群算法作为一种随机搜索算法,容易陷入局部极值,发生早熟收敛,无法获得真正的最优解。为了克服标准粒子群算法的这些缺点,对标准粒子群算法的改进措施多集中于修改算法的惯性系数,引入新的机制,以及将标准粒子群算法同其他智能算法混合。
技术实现思路
专利技术目的:针对上述现有技术,提出一种非线性迟滞动力学模型参数识别的粒子群新算法,改进标准粒子群算法的收敛性能,保证粒子群算法在前期迭代过程中的全局寻优能力以及后期迭代过程中的局部寻优能力。技术方案:非线性迟滞动力学模型参数识别的粒子群新算法,包括如下步骤:步骤1,读入包含试验状态与迟滞回线在内的试验数据;步骤2,初始化粒子群,将D个代表待识别参数的N维粒子随 ...
【技术保护点】
非线性迟滞动力学模型参数识别的粒子群新算法,其特征在于,包括如下步骤:步骤1,读入包含试验状态与迟滞回线在内的试验数据;步骤2,初始化粒子群,将D个代表待识别参数的N维粒子随机布置在搜索域内;步骤3,利用D个粒子的N维参数,调用非线性迟滞动力学模型的分析模块,计算全体粒子的迟滞回线;步骤4,计算各个粒子的迟滞回线计算值与试验值之间的差距,利用适应度函数确定各个粒子的适应度值;步骤5,通过将各个粒子的适应度值与各个粒子的历史最优适应度值以及全局最优适应度值比较,更新各个粒子的历史最优位置和粒子群的全局最优位置;步骤6,利用步骤5中确定的各个粒子新的历史最优位置和粒子群新的全局最优位置,更新各个粒子的位置;步骤7,当算法达到最大迭代步数时,输出识别结果,完成整个识别过程。
【技术特征摘要】
2017.01.20 CN 20171004064131.非线性迟滞动力学模型参数识别的粒子群新算法,其特征在于,包括如下步骤:步骤1,读入包含试验状态与迟滞回线在内的试验数据;步骤2,初始化粒子群,将D个代表待识别参数的N维粒子随机布置在搜索域内;步骤3,利用D个粒子的N维参数,调用非线性迟滞动力学模型的分析模块,计算全体粒子的迟滞回线;步骤4,计算各个粒子的迟滞回线计算值与试验值之间的差距,利用适应度函数确定各个粒子的适应度值;步骤5,通过将各个粒子的适应度值与各个粒子的历史最优适应度值以及全局最优适应度值比较,更新各个粒子的历史最优位置和粒子群的全局最优位置;步骤6,利用步骤5中确定的各个粒子新的历史最优位置和粒子群新的全局最优位置,更新各个粒子的位置;步骤7,当算法达到最大迭代步数时,输出识别结果,完成整个识别过程。2.根据权利要求1所述的非线性迟滞动力学模型参数识别的粒子...
【专利技术属性】
技术研发人员:张俊豪,夏品奇,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。