1.一种液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法，其特征在于，包括以下步骤：步骤1)构建液压位置伺服系统的时滞反馈非线性辨识模型；

步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法的辨识流程；包括如下步骤：

2‑1)初始化麻雀搜索算法，采用改进的Circle混沌映射初始化麻雀种群；

2‑2)收集液压位置伺服系统的给定电压信号作为输入数据，液压位置伺服系统的负载位移数据作为输出数据；

2‑3)计算麻雀群体中个体适应度，对所有麻雀个体适应度进行排序，找出全局最优适应度值和全局最差适应度值，然后计算初始全局最优位置；

2‑4)令迭代变量k＝1，计算麻雀的初始位置；

2‑5)基于线性递减权重法计算当前的惯性权重值，更新发现者位置；

2‑6)更新跟随者的位置；

2‑7)更新警戒者的位置；

2‑8)计算麻雀种群适应度并进行重新排序，更新麻雀种群位置；

2‑9)对于所有麻雀，计算群体最佳麻雀位置；

2‑10)从群体最佳位置中分离提取出参数向量和时延的估计值；

2‑11)将迭代变量k值加1，重复上述过程；

所述步骤1)的建模步骤如下：

(1‑1)构建液压位置伺服系统的时滞反馈非线性模型：其中，r(t)为输入量，y(t)为输出量， 为反馈通道输出，v(t)是一个均值为零、方差2

为σ满足高斯分布的白噪声；定义x(t)，u(t)和w(t)为不可测的中间变量；τ是反馈非线性‑1系统时滞，z为后移算子:z y(t)＝y(t‑1)，A(z)，B(z)是关于z的多项式，描述为如下形式：将系统的非线性部分可以用传递函数表示为：其中，未知参数γi(i＝1,2,...,m)是非线性函数的系数，m是非线性块的参数个数；

将公式两边同乘以A(z)得到：

‑τ

A(z)y(t)＝q B(z)u(t)+v(t)         (8)可表示为：

其中噪声模型输出w(t)和前馈通道输出x(t)为：反馈非线性系统模型表示为：

(1‑2)将线性子系统的参数向量a、b以及非线性部分的参数向量γ定义为：则整个模型的参数向量θ表示为：

对应的信息向量 表示为：

其中：

其中：

1×m

f(y(t))＝[f1(y(t)),f2(y(t)),...,fm(y(t))]∈R根据上述定义，系统的非线性部分 表示为：(1‑3)然后得到描述的液压位置伺服系统的时滞反馈非线性模型：然后得到液压位置伺服系统的时滞反馈非线性模型为：所述步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数辨识流程的步骤如下：(2‑1)设置麻雀个数为N，每个麻雀包含na+nb+m个变量，通过式(18)，采用改进的Circle混沌映射初始化麻雀种群，设置Xn为当前麻雀的位置，Xn+1为更新后的麻雀位置，最大迭代k次数为T、预警值为ST、发现者PD和警戒者SD比例及wmax、wmin，w为惯性权重，wmax和wmin分别为线性权重的最大值和最小值；

原Circle混沌映射表达式为：

改进之后的Circle混沌映射表达式为：(2‑2)收集液压位置伺服系统的给定电压信号输入数据和负载位移输出数据{r(t)，y(t)}，构造输出堆积向量Y(l)如下式(19)：T l

Y(l)＝[y(l),y(l‑1),...,y(1)]∈R (19)构造信息堆积向量ψ(l,τ)如式(20)：其中，l为数据长度；

(2‑3)通过(21)计算麻雀群体中个体适应度，对所有麻雀个体适应度进行排序，找出全局最优适应度值fg和全局最差适应度值fw，然后通过(22)计算初始全局最优位置(2‑4)设迭代变量k＝1，开始迭代，个体的初始位置是k

(2‑5)基于线性递减权重法通过(24)计算w，通过式子(25)将发现者位置更新为其中，k为迭代变量； 表示在第k代中第i只麻雀在第j维的位置，随机数ξ∈[0,1]，为第k代种群全局最优适应度，Q是服从正态分布的随机数，L是一个每个元素均为1的1×d维的矩阵；R2表示报警值，ST表示安全阈值；

(2‑6)根据(26)更新跟随者位置其中， 表示第k代适应度值最差的个体位置， 表示第k+1代中适应度最佳的个+ T T ‑1体位置，A表示1×d的矩阵，矩阵中每个元素预设为‑1或1，并且A＝A(AA) ；

(2‑7)根据(27)更新警戒者位置其中， 表示第k代中全局最优位置，β作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数，λ表示麻雀移动的方向同时也是步长控制参数，并且λ∈[‑1,1]，ε设置为常数，用以避免分母为0，fi表示当前个体的适应度值，fg和fw表示目前全局最优和最差个体的适应度值；

(2‑8)计算麻雀种群适应度并进行重新排序，并更新麻雀种群位置；

(2‑9)通过(28)将 和 从 中分离出来，通过(29)计算信息向量 然后由(30)形成信息矩阵

(2‑10)通过(31)计算参数向量 和通过(32)计算信息向量 然后由(33)形成信息矩阵

(2‑11)对于所有麻雀，根据(34)计算最佳麻雀位置(2‑12)通过(35)(36)(37)(38)从最优位置 中提取 和其中，g代表参数顺序， 和 分别为参数向量a、b和γ的估计值，为时间延迟τ的估计值；

(2‑13)将迭代变量k增加1并返回到步骤(2‑5)，当k达到最大迭代次数T时，终止迭代并获得参数向量 和时间延迟