Dynamic system identification by swarm intelligence based optimization algorithms
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Son birkaç on yılda, sistemleri tanımlamak için parametrik yöntemler ve geçici analiz gibi analitik yöntemler kullanıldı. Ayrıca, evrim algoritmaları, sürü algoritmaları ve sosyal algoritmalar gibi diğer yöntemler, kolay yapılar ve uygulanması çok sağlam olarak sunuldu. Bu yöntemler, birçok sorunu çözmek için çeşitli amaçlarla kullanılan başarılı yöntemler olarak kabul edildi.Bu çalışmanın amacı, Optimizasyon algoritmalar, Genetik Algoritma, Karınca Kolonisi Optimizasyon Algoritması, Parçacık Sürüsü Optimizasyon Algoritması, Yapay Arı Kolonisi Algoritması ve Biyocoğrafya Tabanlı Optimizasyon Algoritması, kullanarak dinamik ağırlık sistemini belirlemek ve kütlein ön tahminlerini yapmaktır. Veri mevcudiyeti, gürültü kirliliği seviyesi, parametrelerin ön bilgisi vb. ile ilgili farklı koşullar altında üç örnek incelenmiştir. Bu algoritmaların sistem tanımlama için uygulanabilirliğini araştırmak. Simülasyon sonuçları, önerilen algoritmaların az sayıda ölçüm ve yüksek gürültü ile bile mükemmel parametre tahmini ürettiğini göstermektedir. Elde edilen sonuçlara bakıldığında Yapay Arı Kolonisi Algoritmasının üstün performans gösterdiği gözlemlenmiştir. Over the past few decades, analytical methods such as parametric methods and transient analysis were used to identify systems.Additionally, other methods such as evolution algorithms, swarm algorithms, and social algorithms were presented as easy structures and very robust to implement. These methods are considered as successful methods used to solve lots of problems for various purposes.In this study, some of the optimization algorithms, Genetic Algorithm, Ant Colony Optimization Algorithm, Particle Swarm Optimization Algorithm, Artificial Bee Colony Algorithm and Biogeography Based Optimization Algorithm, are proposed to identify dynamic weight system and pre-estimation the mass. Three experiments are studied under different conditions regarding data availability, noise pollution level, and prior knowledge of parameters; to research the applicability of these algorithms for identifying systems. Simulation results show the proposed algorithms produces excellent parameter estimation, even with few of measurements and high noise. Considering obtained results, it has been observed that Artificial Bee Colony Algorithm has excellent performance.
Collections