论文部分内容阅读
摘要：针对一类工业过程中可描述成Wiener模型的非线性系统，其辨识问题可等价成以估计参数为优化变量的非线性极小值优化问题．利用粒子群优化（PSO）算法在整个参数空间内并行搜索获得极小值优化问题的最优解（Wiener模型的最优估计），通过对粒子的迭代轨迹进行分析，改进了PSO算法中惯性权重和学习因子的选择．通过一个Wiener模型的数值仿真验证了本文提出的辨识方法的有效性和实用性，并将该方法应用在连续退火机组加热炉产品质量模型的辨识研究，取得了满意的辨识效果．