第４０卷第７期计算机应用与软件Ｖｏｌ４０Ｎｏ．７２０２３年７月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＪｕｌ．２０２３基于改进差分进化的Ｈａｍｍｅｒｓｔｅｉｎ系统辨识刘梦茹李俊红徐珊玲（南通大学电气工程学院江苏南通２２６０１９）收稿日期：２０２０－０９－２３。国家自然科学基金项目（６１９７３１７６）；江苏省自然科学基金项目（ＢＫ２０１８１４５７）；江苏省高校自然科学基金项目（１８ＫＪＢ１２０００７）；江苏省六大人才高峰项目（ＸＹＤＸＸ０３８）；江苏高校青蓝工程人才项目。刘梦茹，硕士生，主研领域：系统辨识，群智能算法。李俊红，教授。徐珊玲，硕士生。摘要Ｈａｍｍｅｒｓｔｅｉｎ系统是一类典型的块结构非线性系统，由非线性静态子系统和线性动态子系统构成，由于模型中含有未知非线性变量，传统辨识算法往往存在辨识精度不高、辨识效果差等问题。因此，基于启发式的智能优化算法受到了关注。差分进化（ＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ，ＤＥ）算法是一种模拟自然界生物种群“适者生存”原则的智能算法，待定参数少，收敛速度快，但会陷入局部最优。针对这一局限性，提出一种改进差分进化算法来辨识Ｈａｍｍｅｒｓｔｅｉｎ受控自回归滑动平均模型。在基本差分进化算法的基础上改变了变异操作和交叉操作，加入自适应因子。推导了递推最小二乘算法来辨识Ｈａｍｍｅｒｓｔｅｉｎ系统，并将其与改进的差分进化算法进行比较。通过仿真例子测试算法性能，结果表明，相对于递推最小二乘算法、基本ＤＥ算法和粒子群算法，改进差分进化算法在精确度和收敛速度上更优。将改进ＤＥ算法用于连续搅拌反应釜的辨识，取得了较好的辨识效果。关键词系统辨识差分进化算法参数估计递推最小二乘算法连续搅拌反应釜中图分类号ＴＰ２７３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２３．０７．０４３ＩＭＰＲＯＶＥＤＤＩＦＦＥＲＥＮＴＩＡＬＥＶＯＬＵＴＩＯＮＩＤＥＮＴＩＦＩＣＡＴＩＯＮＭＥＴＨＯＤＯＦＨＡＭＭＥＲＳＴＥＩＮＳＹＳＴＥＭＬｉｕＭｅｎｇｒｕＬｉＪｕｎｈｏｎｇＸｕＳｈａｎｌｉｎｇ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｔｏｎｇ２２６０１９，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＨａｍｍｅｒｓｔｅｉｎｓｙｓｔｅｍｉｓａｔｙｐｉｃａｌ...
