Дробное исчисление рассматривается как эффективный инструмент для глубокого понимания систем с эффектом памяти или историческим эффектом. Дробное моделирование нелинейных систем может увеличить жесткость и сложность системы, но также обеспечивает лучшее понимание. В данной статье представлен параметрический оцениватель дробной модели Hammerstein с авторегрессией и экзогенным шумом (fractional-HARX) на основе коллективного интеллекта. Используется формула конечных разностей Грюнвальда–Летникова для построения дробной модели HARX на основе стандартной HARX модели. Для задачи оценки параметров нелинейных моделей второго и третьего порядка в условиях множественного шума предложена алгоритмическая схема оптимизации поиска электрического угря (EEFOA) на основе коллективного интеллекта. В системную модель внедрен принцип отделения ключевых членов для уменьшения избыточных параметров, вызванных перекрестными членами в векторе информации. Эффективность разработанного метода подтверждена сравнением с алгоритмами оптимизации китов, африканского безголового грифона, оптимизатора орлов Харриса и алгоритмом поиска рептилий, что доказывает превосходство EEFOA по сходимости, устойчивости, оценке жестких параметров и среднему смещению. С помощью статистических показателей в условиях различных шумовых сценариев, таких как лучшие, средние и худшие значения приспособленности и стандартное отклонение, дополнительно подтверждена статистическая значимость EEFOA в оценке дробной модели HARX.

дробное исчисление;нелинейные системы;поиск электрического угря;интеллектуальные вычисления