基于时间注意力机制的时滞混沌系统参数辨识模型

来源：计算机应用杂志2023年第3期北京时间：

作者：尹聪, 胡汉平

单位：华中科技大学 人工智能与自动化学院，武汉 430074

摘要：针对时滞混沌系统在时滞未知条件下的参数及时滞辨识问题，提出基于时间注意力机制的时滞混沌系统参数辨识模型——PINN-TA。首先，采用时间注意力机制提取系统状态序列的关联特征，以实现对系统时滞的辨识；其次，利用循环神经网络（RNN）隐式地近似系统微分方程，形成关于系统参数的代数方程；最后，将代数方程的根作为参数辨识的结果。分别以时滞Logistic方程、Ikeda微分方程和Mackey-Glass混沌系统等典型时滞混沌系统作为待辨识系统，对PINN-TA模型和多种智能搜索算法进行对比实验。仿真结果表明，相较于人工雨滴算法（ARA）、混合布谷鸟搜索算法（HCS）、全局花朵授粉算法（GFPA）、元胞自动机鲸鱼算法（CWA）等现有智能搜索算法，PINN-TA模型对参数和时滞的辨识误差降低了90.31%~99.36%，且辨识耗时缩短至18.59~19.43 ms。可见，PINN-TA模型能够满足精度和实时性要求，为时滞混沌系统参数及时滞辨识提供可行的解决方案。

关键词：时滞混沌系统,参数辨识,循环神经网络,时间注意力机制,状态序列

基金资助：湖北省重点研发计划项目(2020BAB104)