Se presenta un nuevo método de optimización del filtro adaptativo en espiral en cascada (CSAF) mediante el uso de un algoritmo de optimización metaheurística (MOA) para la identificación de sistemas no lineales desconocidos. La arquitectura CSAF combina los sistemas de Hammerstein y Wiener, donde el bloque no lineal se realiza mediante una red en espiral. El algoritmo utilizado optimiza una función de costo ponderada adecuadamente y los pesos de la función de interpolación spline y del filtro lineal, mejorando así la estabilidad del filtro, su estado estacionario y la convergencia a un óptimo global. Este artículo estudia dos arquitecturas CSAF: el filtro adaptativo espiral–Hammerstein (HW-SAF) y el filtro adaptativo Wiener–Hammerstein (WH-SAF). Estas dos arquitecturas están diseñadas sobre la base del método de gradiente, su velocidad de convergencia es lenta, su eficiencia es baja y pueden producir soluciones subóptimas en un entorno de ruido gaussiano alto. Para superar estas dificultades, este artículo utiliza 4 MOA independientes para estimar los parámetros de diseño de la arquitectura CSAF: evolución diferencial (DE), optimización por tormenta cerebral (BSO), optimizador multiuniverso (MVO) y el algoritmo de optimización de salmón recientemente propuesto (ROA). En ROA, los parámetros de control del salmón pueden producir una velocidad de convergencia más alta para estimar parámetros cercanos al óptimo global. En comparación con los métodos basados en DE, BSO y MVO, ROA asegura un equilibrio en las fases de exploración y desarrollo. Por último, los resultados de la identificación de 3 sistemas de referencia numéricos y de la industria específicos (es decir, el accionamiento eléctrico acoplado, la pared térmica y el reactor de tanque de agitación continua) muestran la eficacia de CSAF basada en la optimización del salmón.

Filtro adaptativo en espiral en cascada; identificación de sistemas no lineales; algoritmo de optimización del salmón