基于量子粒子群算法的混沌系统参数辨识

张宏立 宋莉莉

(新疆大学电气工程学院，乌鲁木齐 830047)

(2013年5月8日收到;2013年6月11日收到修改稿)

1 引言

混沌系统是一个非线性的确定性系统，在各种不同领域的学科中，混沌现象时常出现，如通信、生物医学、管理、金融等领域[1].根据观测到的数据确定混沌系统模型的阶次，这样可以更好的理解和掌握复杂的真实的世界.

在多数情况下，模型参数的估计是基于时间序列同步可观测的状态和相应的模型输出进行的，在大多数的这些方法中，像反馈、自适应控制和最优跟踪都是使同步误差最小化原则.实现对混沌系统的同步控制，许多学者提出了很多有效的方法，如模糊控制[2]，状态反馈控制[3]，主动控制[4]，变结构控制[5].但是，由于混沌系统的复杂性，当参数未知时，上述方法很难实现同步控制.因此，估计混沌系统的未知参数具有非常重要的意义.近几年，许多学者提出了混沌辨识的方法，文献[6]提出基于Lyapunove稳定性理论的辨识方法，文献[7]提出动态神经网络辨识混沌系统的方法.文献[8]提出自适应辨识法辨识不确定混沌系统参数.文献[9]提出混合差分进化的混沌系统参数估计方法.文献[10]提出利用遗传算法进行混沌系统参数估计的方法.

粒子群优化算法(particle swarm optimization，PSO)[11]为一种优化计算技术，源于对鸟群觅食行为的研究.由于该算法原理简单，容易实现，操作算子少等优点，已广泛应用于各个领域，如组合优化、控制器设计、电力系统、系统辨识等领域.但是，针对该算法收……