《表2 6种算法辨识结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于群智能辨识的轧辊偏心补偿方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

依据调试经验，将PSO-ACO算法的参数设定为：种群规模m=50，最大迭代次数tmax=200，加速常数c1=c2=1.494 45，阈值常数q0=0.002，阈值概率q1=0.009，挥发系数ρP=0.001，惯性权重线性递减，其最大值和最小值分别为wmax=0.9和wmin=0.4，搜索的邻域半径ur=0.002。其他3种优化算法采用相应文献中设置的参数。采用PSO-ACO算法和表1中对比的优化算法对轧辊偏心信号进行辨识，并与基于最小二乘的轧辊偏心辨识补偿法[8]和基于小波分析的偏心滤波补偿法[6]进行比较。为避免算法求解偶然性，每种算法运行10次，仿真结果，见表2。