当前位置: 首页 > 专利查询>暨南大学专利>正文

分数阶非线性系统的新型Salp Swarm参数估计方法技术方案

技术编号:42841161 阅读:26 留言:0更新日期:2024-09-27 17:12
本发明专利技术涉及提出一种分数阶非线性系统的新型Salp Swarm参数估计方法,方法包括以下步骤:1)根据n维分数阶非线性系统,构建一种以V为输入,为估计值的n维分数阶非线性系统模型,2)基于系统和模型,设计一种代价函数衡量模型对系统的逼近程度,将参数估计的问题转化为优化问题,3)模型参数初始化,初始化的参数包括上边界ub,下边界lb,迭代次数L,4)根据模型初始化参数,运用新型的Salp Swarm算法估计分线阶非线性系统的参数。本算法应用在分数阶非线性系统的参数估计当中,提高了分数阶参数估计的准确性,同时对自然界和工程领域如复杂系统的量子演化、量化金融等领域提出了一种新的解决办法。

【技术实现步骤摘要】

本专利技术属于系统建模和参数估计,主要涉及一种分数阶非线性系统的新型salp swarm参数估计方法


技术介绍

1、分数阶微积分是整数阶微积分的一种推广,相对于分数阶非线性系统,整数阶系统的参数估计已有很多,分数阶非线性系统由于系统的复杂性,使得分数阶分线性系统的参数估计变得愈加困难,因此,群智能算法的分数阶非线性系统的参数识别愈发显得重要。

2、实际工程中,自从mandelbort指出自然界和工程领域中存在分数维现象之后,人们对分数阶非线性系统的研究才产生了极大的兴趣,分数阶非线性系统的也开始得以在不同学科当中得到越来越多的应用,例如信息学、生物医学、和物理学等诸多领域。另一方面,在跨学科领域的研究当中,有色噪声、复杂系统的量子演化、量化金融等都可以通过分数阶非线性系统进行描述。

3、与大部分确定性的传统算法不同,群智能算法更多地是在动态地进行多种权衡,以期获得最佳的结果,相对于传统算法,群智能算法具有多样化和强化(或是探索和开发)。一方面,多样化确保产生多样的解决方案,这样便于算法在全局搜索范围内不同搜索区域进行搜索,另一方面,本文档来自技高网...

【技术保护点】

1.分数阶非线性系统的新型Salp Swarm参数估计方法,其特征在于,包括如下步骤:

2.根据权利要求1所述分数阶非线性系统的新型Salp Swarm参数估计方法,其特征在于,所述步骤1具体包括:

3.根据权利要求1所述的分数阶非线性系统的新型Salp Swarm参数估计方法,其特征在于,所述步骤2定义的代价函数如下:

4.根据权利要求1所述的分数阶非线性系统的新型Salp Swarm参数估计方法,其特征在于,所述步骤3具体包括:

5.根据权利要求1所述的分数阶非线性系统的新型Salp Swarm参数估计方法,其特征在于,所述步骤4具体包...

【技术特征摘要】

1.分数阶非线性系统的新型salp swarm参数估计方法,其特征在于,包括如下步骤:

2.根据权利要求1所述分数阶非线性系统的新型salp swarm参数估计方法,其特征在于,所述步骤1具体包括:

3.根据权利要求1所述的分数阶非线性系统的新型salp swarm参数估计方...

【专利技术属性】
技术研发人员:陈逸彬杨仁桓黄啟东
申请(专利权)人:暨南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1