论文部分内容阅读
为了对生物医学模型进行辨识研究，本文对非线性系统辨识作了研究。根据非线性系统的特点，选取粒子群优化算法作为辨识工具。首先，针对基本粒子群优化算法的弊病，提出了一种改进型算法。该算法不易陷入局部最优，搜索成功率较基本粒子群优化算法有了显著提高，表现出了较强的鲁棒性和较高的计算精度。其次，对所选用的模型进行描述并论证了该模型的可辨识性。分别以一阶模型和二阶模型为对象进行辨识研究。研究包括对改进型算法的参数设置对辨识结果的影响，惯性权重的设置对辨识结果的影响，以及噪声在系统辨识中对辨识结果的影响等等。仿真实验的结果表明，改进型算法的精度高，鲁棒性较强，同时该算法对噪声不敏感，很适合应用于生物医学模型的建模与辨识中。本文共分为五章，第一章给出了本文的研究内容及所作的工作，介绍了近年来非线性系统辨识与粒子群优化算法的应用及发展现状。第二章介绍了粒子群优化算法的原理及其各种改进型算法。第三章介绍了基于近邻因子的改进型粒子群优化算法。第四章利用第三章所提出的改进型算法进行非线性系统辨识研究与实验分析。第五章是总结与展望，对论文所做工作进行全面地总结，并对今后的工作做出规划。