基于量子粒子群优化的动态标定辨识方法

陆建山; 周鸿波; 谢伟东

doi:10.13873/J.1000-9787(2016)06-0027-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于量子粒子群优化的动态标定辨识方法

研究与探讨 | 更新时间：2025-09-11

- 基于量子粒子群优化的动态标定辨识方法
- Dynamic calibration and identification method based on quantum-behaved particle swarm optimization
- 传感器与微系统 2016年35卷第6期页码：27-30
- 作者机构：
  
  浙江工业大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51405437）
- DOI：10.13873/J.1000-9787(2016)06-0027-04
  中图分类号： TP18;TP212
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]陆建山,周鸿波,谢伟东.基于量子粒子群优化的动态标定辨识方法[J].传感器与微系统,2016,35(06):27-30.

LU Jian-shan, ZHOU Hong-bo, XIE Wei-dong. Dynamic calibration and identification method based on quantum-behaved particle swarm optimization[J]. 2016, 35(6): 27-30.
[1]陆建山,周鸿波,谢伟东.基于量子粒子群优化的动态标定辨识方法[J].传感器与微系统,2016,35(06):27-30. DOI： 10.13873/J.1000-9787(2016)06-0027-04.

LU Jian-shan, ZHOU Hong-bo, XIE Wei-dong. Dynamic calibration and identification method based on quantum-behaved particle swarm optimization[J]. 2016, 35(6): 27-30. DOI： 10.13873/J.1000-9787(2016)06-0027-04.

摘要

针对传统辨识方法对非线性系统辨识效果不理想的情况

提出将量子粒子群优化（QPSO）算法引入到力传感器的动态标定辨识中来。搭建了基于垂直正弦力加载的力传感器动态标定装置优化

该系统使用正弦运动机构作为激励装置

动态力由安装在正弦机构上的质量块产生。为验证QPSO算法进行系统辨识的可行性

进行了两组对比实验。结果显示:相比于递推最小二乘（RLS）法

QPSO算法的辨识精度较高

适用于非线性系统的参数辨识。

Abstract

In order to improve unsatisfactory effect of traditional identification methods for nonlinear systems

quantum-behaved particle swarm optimization（ QPSO） algorithm is introduced to dynamic calibration identification of force transducers. A dynamic calibration facility with vertical sine force loading is built up. A sine mechanism is employed to generate sinusoidal motion in the facility

and dynamic force can be obtained based on determination of inertia force as a mass mounted on sine mechanism. To verify feasibility of QPSO for system identification

two groups of experiments are carried out. The results indicate that the identification precision of QPSO is superior to recursive least squares method

and it is feasible for nonlinear system identification.

关键词

Keywords

references

基于量子粒子群优化的Volterra核辨识算法研究 [J]. 李志农,蒋静,陈金刚,邬冠华,李学军. 振动与冲击 . 2013(03)

基于量子行为粒子群优化算法的定位技术研究 [J]. 赵吉,纪志成. 传感器与微系统 . 2012(05)

改进量子粒子群算法及其在系统辨识中的应用 [J]. 黄宇,韩璞,刘长良,李永玲. 中国电机工程学报 . 2011(20)

正弦力校准中降低质量块振动响应不均匀影响的设计方案 [J]. 王宇,张力,洪宝林,张立喆,刘永录,陈璐. 振动与冲击 . 2010(07)

基于量子粒子群优化算法的无线传感器网络节点优化 [J]. 王艳萍,张惠敏,刘新贵. 传感器与微系统 . 2010(02)

气动助推负阶跃力校准装置研究 [J]. 孙金锋,谢殿煌,张训文. 仪器仪表学报 . 2010(02)

激光干涉法进行正弦力校准研究 [J]. 张力. 计量学报 . 2005(04)

力传感器动态标定及其精度分析研究 [J]. 顾宝栋,陈怀海,申凡,许锋. 振动与冲击 . 2005(02)

标准负阶跃力的实现及其测量研究 [J]. 魏燕定. 实验力学 . 2001(01)

2种不同动态力测量系统的比对结果 [J]. 郑正. 航空计测技术 . 1995(04)

力传感器的动态重复性、线性度与性能改进的研究 [J]. 黄俊钦,王效葵,李行善,张东红,刘国俊. 测试技术学报 . 1994(S1)

群体智能算法研究及其应用 [D]. 赵吉. 江南大学 2010

量子行为粒子群优化算法研究 [D]. 孙俊. 江南大学 2009

Traceable periodic force calibration [J] . Metrologia . 2012 (3)

Toward dynamic force calibration [J] . Yusaku Fujii. Measurement . 2009 (7)

From oscillation to impact: the design of a new force calibration device at PTB [J] . Th. Bruns,R. Kumme,M. Kobusch,M. Peters. Measurement . 2002 (1)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于离心原理的力传感器动态标定系统辨识与分析

基于改进VMD的传感器动态标定信号处理的研究

基于系统辨识的微反应器系统优化设计

量子粒子群优化的人工蜂群算法

基于SVM算法的碟形水下机器人姿态预测方法研究