基于改进粒子群优化算法的闭环时滞系统辨识

闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在，被控量不能及时地反映系统所承受的扰动，从而产生明显的超调，使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点，提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数，而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程，对于滞后环节的处理，用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数，从而获得模型参数的估计值。仿真实验结果证明：该方法收敛速度较快、辨识得到的参数精度较高，适用于实际的工业生产。该方法与辅助变量最小二乘方法相比，计算量小、过程简单、不用计算多重积分、辨识速度较快、辨识精度高。