《表6 遗传算法 (GA) 识别f2结果》
本文的参数识别涉及四个参数,不算含有大量未知量的问题。但识别所用的加速度采样时间点多数据量大,故每个参数对微小变化的反应较为灵敏;良好地识别该问题需要兼顾局部和全局两组搜索能力。为进一步验证BMO算法的有效性,将之与遗传算法(GA)和粒子群算法(PSO)的识别结果进行对比。其中,遗传算法的基本参数设置为代沟(generation gap)=0.7;粒子群算法中惯性权重w由0.9时变为0.4,局部及全局学习因子c1、c2均为1,速度极限为1。将f2计算5次并取平均值作为识别值,并计算相对误差与方差,得到了表6-7所示的结果。
图表编号 | XD0063713000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 谭栋、汪利、吕中荣 |
绘制单位 | 中山大学航空航天学院力学系、中山大学航空航天学院力学系、中山大学航空航天学院力学系 |
更多格式 | 高清、无水印(增值服务) |