专利交易市场

本发明公开了一种基于粒子群的连续搅拌釜反应器维纳非线性模型辨识方法，包括构建出连续搅拌釜反应器的维纳非线性模型，获得连续搅拌釜反应器的辨识模型；构建线性递减惯性权重的粒子群优化搜索方法，通过将辨识模型的参数作为粒子群的位置向量，基于适应度函数来更新各粒子的位置和速度，采用粒子群优化对参数空间进行高效搜索，来获得系统模型参数的最优估计。该辨识方法在迭代初期具有较大的搜索空间和速度，而在迭代后期具有较强的局部搜索能力，收敛速度快，辨识精度高。本发明还建立了线性递减惯性权重粒子群迭代辨识方法的流程和步骤，可以有效地应用到连续搅拌釜反应器维纳非线性系统的参数估计中去，具有一定的工程应用价值。

本发明提供一种基于极大似然和梯度优化的辛烷值推断模型辨识方法，包括构建出工业连续重整装置的辛烷值推断的双率哈默斯坦非线性模型，获得了双率的辨识模型；使用多项式变换技术，将模型转化为可直接使用双率的输入输出数据进行辨识的模型，结合极大似然原理和梯度搜索原理，推导出一种极大似然随机梯度辨识算法对模型的参数进行最优估计。本发明的辨识方法结构简单，非常容易实现，辨识精度高。本发明还建立了极大似然随机梯度辨识方法的流程和步骤，可以有效地应用到辛烷值推断非线性双率系统的参数估计中去，具有一定的工程应用价值。

本发明提供了一种基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法，属于回转窑烧成带温度控制系统辨识技术领域。解决了整数阶模型不够精确，以及基本樽海鞘算法精度不够高、收敛速度较慢的技术问题。其技术方案为：包括以下步骤：步骤1)构建回转窑烧成带温度的分数阶CARMA模型；步骤2)构建改进樽海鞘算法的辨识流程。本发明的有益效果为：本发明的改进樽海鞘算法的回转窑烧成带温度模型辨识方法的辨识精度高，输出的参数估计误差小；同时，也说明了该辨识方法对于回转窑烧成带温度模型具有较好的适用性。

本发明涉及复杂非线性系统建模领域，公开了一种新型T‑S模糊模型辨识方法，该方法结合模糊C回归聚类算法和最小二乘支持向量机提出一种新型聚类算法，在此基础上，运用本发明设计的改进启发式优化算法进一步优化模糊模型前件参数，最后采用最小二乘法进行后件参数辨识。与现有技术相比，本发明设计的新型T‑S模糊模型辨识方法，采用最小二乘支持向量机描述聚类子模型，可有效提高聚类算法的空间划分能力，同时运用一种改进启发式优化算法优化前件参数，能得到更精确的辨识参数，显著提高模型的建模精度。