[发明专利]AFSA与L-M融合算法的CVT等值参数辨识方法

权利要求书

1.AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，包括：

算法初始化，人工鱼赋初始值；

计算每条人工鱼的适应度值，记录全局最优人工鱼状态；

平均人工鱼的状态，模拟执行相应的行为；

更新全局最优人工鱼群状态，将最优值赋给公告牌；

如果满足终止条件，进行赋予L-M算法初值、设定步长；

迭代精确求解，直至满足收敛条件；

辨识得到CVT电磁单元的参数最优解。

2.根据权利要求1所述的AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，所述算法初始化，人工鱼赋初始值步骤包括：对种群规模N、每条人工鱼的初始位置、人工鱼的视野Visual、步长step、拥挤度因子δ、重复次数Trynumber进行初始化设置(变量L1、R1、Lm、Rm、L2、R2)初始随机化设置，目标函数的设置。

3.根据权利要求1所述的AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，所述平均人工鱼的状态，模拟执行相应的行为步骤包括：对每个个体进行评价，对其要执行的行为进行选择，包括觅食、聚群、追尾和随机。

4.根据权利要求1所述的AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，所述更新全局最优人工鱼群状态，将最优值赋给公告牌步骤包括：

随机执行人工鱼的行为，更新生成新的鱼群；

评价所有个体，若某个体优于公告牌，则将公告牌更新为该个体。

5.根据权利要求1所述的AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，所述如果满足终止条件，进行赋予L-M算法初值、设定步长步骤包括：

当公告牌上最优解达到收敛条件，算法结束；

将AFSA算法的得到的最优解(L1、R1、Lm、Rm、L2、R2)作为L-M算法的初值、设定步长。

6.根据权利要求1所述的AFSA与L-M融合算法的CVT等值参数辨识方法，其特征在于，所述辨识得到CVT电磁单元的参数最优解步骤还包括：

通过拟合优度R对辨识结果进行评价；

拟合优度R定义为：

其中，yi为实测数据，为拟合数据，为实测数据平均值，拟合优度R取值范围为(0，1)，其越接近1则拟合效果越佳。