【技术实现步骤摘要】
本专利技术涉及系统辨识和智能
，具体地说是一种基于邻域量子粒子群的的 混沌系统参数估计方法。
技术介绍
近年来，混沌系统的控制与同步已经成为非线性科学中的重要方向之一，并获得 了广泛研究。然而现有的多数控制和同步方法均是在系统参数已知的情况下给出的，但在 实际应用中，由于系统复杂性导致某些参数难以测量或确定，或者出于某种特殊原因某些 参数不可知，所以混沌系统的控制与同步必须首先估计出系统未知参数。因而，估计混沌系 统的未知参数成为混沌控制与同步需迫切解决的首要问题。 粒子群优化算法（PS0)，是由Eberhart和Kennedy于1995年提出的进化计算算 法。PS0简单且具有良好的优化性能，是一种新兴的很有前途的全局优化算法，但它存在对 一些复杂优化问题容易陷入局部极值的缺陷。量子粒子群优化（QPS0)算法是孙俊等人从 量子力学的角度，提出的一种新的PS0算法，它是对标准PS0算法的全新改进，粒子的搜索 性能远远优于基本PS0算法，已经在函数优化、神经网络训练等领域得到应用。 本专利技术技术将提出一种基于邻域信息的量子粒子群算法，并将该算法应用于混沌 系统的参数估计中。
技术实现思路
本专利技术的目的在于克服基本粒子群算法的不足，提出一种基于邻域信息的量子粒 子群优化算法来估计Lorenz混沌系统的参数，寻优过程中利用了粒子的量子行为，并且搜 索粒子可在邻域极值和全局极值之间协同切换，充分发挥搜索粒子间的邻域搜索机制，具 有高效搜索和全局搜索的能力，以达到实现最佳参数估计效果。 本专利技术采用...
【技术保护点】
一种基于邻域量子粒子群的混沌系统参数估计方法，其特征是所述方法包括如下步骤：步骤1：由混沌系统产生T个混沌离散时间序列(x(t)，y(t)，z(t))，其中(x(t)，y(t)，z(t))为混沌系统的状态变量，t为从1到T的一系列离散时间序列。步骤2：初始化。确定粒子群的种群规模M，维数大小D，粒子的位置向量为si＝(si1，si2，...，siD)，粒子对应的速度向量为vi＝(vi1，vi2，...，viD)，i＝1，2，…，M，最大速度Vmax，每个邻域粒子数N(使M mod N＝0)，迭代次数k＝1，最大迭代次数Kmax。步骤3：计算各粒子的适应度函数。首先根据混沌系统变量的离散时间序列，确定估计参数对应的适应度函数，其公式为：eik=Σt=1T{(x(t)-xik(t))2+(y(t)-yik(t))2+(z(t)-zik(t))2}]]>其中，t为从1到T的一系列离散时间序列，为第k次迭代粒子群优化后获得参数所对应的系统状态变量序列，(x(t)，y(t)，z(t))为测得的真实系统状态变量序列。步骤4：确定邻域方案。若k＜Kmax，采用构造q＝M/N个邻域；反之，...
【技术特征摘要】
1. 一种基于邻域量子粒子群的混沌系统参数估计方法，其特征是所述方法包括如下步 骤： 步骤1 :由混沌系统产生T个混沌离散时间序列（X (t)，y (t)，z (t))，其中（X (t)，y (t)， z(t))为混沛系统的状态变量，t为从1至lj T的一系列离散时间序列。 步骤2:初始化。确定粒子群的种群规模M，维数大小D，粒子的位置向量为Si= (sn， si2，…，siD)，粒子对应的速度向量为Vi = (vn，vi2，…，viD)，i = 1，2，…，M，最大速度 Vmax，每个邻域粒子数N (使M mod N = 〇)，迭代次数k = 1，最大迭代次数Kmax。 步骤3 :计算各粒子的适应度函数。首先根据混沌系统变量的离散时间序列，确定估计 参数对应的适应度函数，其公式为：其中，t为从1到T的一系列离散时间序列，(xf (〇,_yf(〇,<(〇)为第k次迭代粒子群优化后获得参数所对应的系统状态变量序列，（x...
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。