Einführung einer neuen Methode zur Optimierung des kaskadierten adaptiven Spiralfilters (CSAF) unter Verwendung eines metaheuristischen Optimierungsalgorithmus (MOA) zur Bestimmung unbekannter nichtlinearer Systeme. Die CSAF-Architektur kombiniert die Hammerstein- und Wiener-Systeme, wobei der nichtlineare Block durch ein Spiralnetzwerk realisiert wird. Der verwendete Algorithmus optimiert eine angemessen gewichtete Kostenfunktion und die Gewichte der Spline-Interpolationsfunktion und des linearen Filters, um die Stabilität des Filters, seinen stationären Zustand und die Konvergenz zu einem globalen Optimum zu verbessern. In diesem Artikel werden zwei CSAF-Architekturen untersucht: der spiraladaptiver Hammerstein-Filter (HW-SAF) und der Wiener-Hammerstein-Filter (WH-SAF). Diese beiden Architekturen basieren auf der Gradientenmethode, ihre Konvergenzgeschwindigkeit ist langsam, ihre Effizienz ist gering und sie können in einer Umgebung mit hohem Gaußrauschen suboptimale Lösungen liefern. Zur Überwindung dieser Schwierigkeiten verwendet dieser Artikel 4 unabhängige MOA zur Schätzung der Entwurfsparameter der CSAF-Architektur: differentielle Evolution (DE), Brainstorm-Optimierung (BSO), Multiuniverse-Optimizer (MVO) und den kürzlich vorgeschlagenen Lachsoptimierungsalgorithmus (ROA). Im ROA können die Kontrollparameter des Lachses eine höhere Konvergenzgeschwindigkeit für die Näherung an das globale Optimum liefern. Im Vergleich zu Methoden, die auf DE, BSO und MVO basieren, gewährleistet ROA ein Gleichgewicht in den Phasen der Exploration und Entwicklung. Schließlich zeigen die Ergebnisse der Identifizierung von 3 spezifischen numerischen und branchenspezifischen Referenzsystemen (d. h. gekoppelten elektrischen Antrieb, thermische Wand und kontinuierlicher Rührkesselreaktor) die Wirksamkeit von CSAF auf der Grundlage des Lachsoptimierungsalgorithmus.

Kaskadierter adaptiver Spiralfilter; Identifizierung nichtlinearer Systeme; Lachsoptimierungsalgorithmus