Введение нового метода оптимизации адаптивного спирального фильтра Каскад (CSAF) с использованием метаэвристического алгоритма оптимизации (MOA) для определения неизвестных нелинейных систем. Архитектура CSAF объединяет систему Хаммерстейна и Винера, где блок нелинейности реализуется с помощью спиральной сети. Используемый алгоритм оптимизирует выпуклую функцию стоимости и веса сплайновой интерполяционной функции и линейного фильтра, что улучшает стабильность фильтра, его установившийся режим и сходимость к глобальному оптимуму. В данной статье изучаются две архитектуры CSAF: спиральный–Хаммерстейн адаптивный спиральный фильтр (HW-SAF) и Винер–спиральный Хаммерстейн адаптивный фильтр (WH-SAF). Эти две архитектуры разработаны на основе метода градиентного спуска, их скорость сходимости медленная, эффективность низкая и подвержены получению субоптимальных решений в условиях высокого гауссовского шума. Для преодоления этих трудностей в данной статье используются 4 независимых MOA для оценки параметров проектирования архитектуры CSAF: дифференциальная эволюция (DE), оптимизация с использованием мозгового штурма (BSO), мультикосмический оптимизатор (MVO) и недавно предложенный алгоритм оптимизации лососей (ROA). В ROA контрольные параметры лососей могут обеспечить более высокую скорость сходимости при оценке близких к глобальному оптимуму параметров. По сравнению с методами, основанными на DE, BSO и MVO, ROA обеспечивает баланс в стадии исследования и развития. Наконец, результаты идентификации 3 численных и специфических отраслевых образцовых систем (т.е. связанный электропривод, тепловая стенка и непрерывный реактор смешивания) показывают эффективность CSAF на основе оптимизации лососей.

Адаптивный спиральный фильтр Каскад; Определение нелинейных систем; Алгоритм оптимизации лососей