Articles
基于改进蚁群算法的系统辨识
Abstract
Keywords
References
韩璞，袁世通．基于大数据和双量子粒子群算法的多变量系统辨识．中国电机工程学报，2014;34(32):0258-8013 (2014) 32-5779-09．
LI YJ.Theory and Application of System Identification.Beijing :National Defence Industry Press, 2003 .
王琳，马平.系统辨识方法综述.电力情报,2001;4:63 -66 .
尹忠刚,张延庆,杜超,等.基于双辨识参数全阶自适应观测器的感应电机低速性能.电工技术学报, 2016, 31(20):111-121.
李永东,曾毅,谭卓辉,等.无速度传感器三电平逆变器异步电动机直接转矩控制系统(Ⅱ)--基于全阶定子磁链观测器的参数和速度辨识. 电工技术学报,2004,19(8):88-92.
Peretzki D,Isaksson AJ,Bittencourt AC,et al.Data Mining of Historic Data for Process Indntification[C]//Proc.of the 2011 Aiche meeting.2011
Hong X., S. Chen. The system identification and control of Hammerstein systemusing non-uniform rational B-spline neural network and particle swarmoptimization[J]. Neurocomputing, 2012, 82: 216-223.
Ren X., X. Lv. Identification of Extended Hammerstein Systems Using Dynamic Self-Optimizing Neural Networks[J]. IEEE Transaction on Neural Networks,2011, 22(8): 1169-1179.
Lin Y. C., D.D. Chen, M.-S. Chen, et al. A precise BP neural network-based online model predictive control strategy for die forging hydraulic press machine[J]. Neural Computing and Applications, 2016.
包子样，余继周.《智能优化算法及其MATLAB实例》.北京：电子工业出版社，2016,5.
李先国.营销师国家职业资格教材《基础知识》.北京:中央广播电视大学出版，2006，8.
WJ.Gutjahr.ACO algorithma with guaranteed Convergence to the optimal Solution.Info. Proeessing,2002,82(3):145-153.
王柳毅,熊伟清.并行二元蚁群算法的多峰函数优化.计算机工程与应用，2006，42（22）:42-45.
熊伟清，魏平.基于食物量分配的多种群二元蚁群优化算法．中国自动化学会控制理论专业委员会ｄ卷，2011．
吴斌，史忠植.一种基于蚁群算法的ＴＳＰ问题分段求解算法化Ｉ．计算机学报.2001,(12):1328-1333.
徐小平，王峰等.系统辨识研究的现状.现代电子技术，2007；15：1004-373X(2007)15-112-05．
钱富才，黄姣茹等．基于鲁棒优化的系统辨识算法研究．自动化学报，2014, 40(5): 988993.
