| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和目的 | 第9页 |
| 1.2 系统辨识研究的历史、现状及发展 | 第9-12页 |
| 1.2.1 系统辨识的定义及历史 | 第9-10页 |
| 1.2.2 闭环系统辨识的历史、现状及发展 | 第10-11页 |
| 1.2.3 多变量系统辨识的历史、现状及发展 | 第11-12页 |
| 1.3 系统辨识的原理 | 第12-13页 |
| 1.4 智能辨识研究的历史、现状与发展 | 第13-15页 |
| 1.4.1 基于遗传算法的系统辨识 | 第13-14页 |
| 1.4.2 基于人工神经元网络的系统辨识 | 第14-15页 |
| 1.4.3 基于粒子群算法的系统辨识 | 第15页 |
| 1.5 论文的主要内容 | 第15-17页 |
| 第2章 常用的系统模型及辨识方法 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 被控对象的模型与模型辨识 | 第17-20页 |
| 2.2.1 输入输出模型 | 第17-19页 |
| 2.2.2 状态空间模型 | 第19-20页 |
| 2.3 基本最小二乘法 | 第20-21页 |
| 2.3.1 基本原理 | 第20-21页 |
| 2.4 辅助变量法 | 第21-24页 |
| 2.4.1 基本原理 | 第21-22页 |
| 2.4.2 仿真实验 | 第22-24页 |
| 2.5 递推广义增广最小二乘法 | 第24-26页 |
| 2.5.1 基本原理 | 第24-25页 |
| 2.5.2 仿真实例 | 第25-26页 |
| 2.6 多变量系统的最小二乘辨识法 | 第26-30页 |
| 2.6.1 多变量系统的最小二乘辨识算法的基本原理 | 第26-29页 |
| 2.6.2 多变量系统的仿真实例 | 第29-30页 |
| 2.7 总结 | 第30-31页 |
| 第3章 基于粒子群优化算法的闭环系统的辨识 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 粒子群优化算法(PSO)的基本原理 | 第31-32页 |
| 3.3 基于PSO的闭环辨识算法 | 第32-35页 |
| 3.4 仿真研究 | 第35-40页 |
| 3.4.1 闭环时滞对象的辨识 | 第35-38页 |
| 3.4.2 学习因子取值对辨识结果的影响 | 第38-39页 |
| 3.4.3 输出噪声对辨识结果的影响 | 第39-40页 |
| 3.5 总结 | 第40-41页 |
| 第4章 基于模型分解的多变量开环系统的辨识 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 多变量系统的模型分解 | 第41-43页 |
| 4.2.1 SM的分解 | 第41-43页 |
| 4.2.2 SSM的分解 | 第43页 |
| 4.3 基于模型分解的多变量开环系统的辨识 | 第43页 |
| 4.4 仿真实例 | 第43-46页 |
| 4.5 总结 | 第46-47页 |
| 第5章 基于CPSO的多变量闭环系统的辨识 | 第47-66页 |
| 5.1 引言 | 第47页 |
| 5.2 基于频域响应的闭环辨识 | 第47-48页 |
| 5.3 CPSO算法 | 第48-49页 |
| 5.4 基于CPSO算法的频域响应辨识 | 第49-51页 |
| 5.5 基于CPSO的多变量闭环系统的辨识 | 第51-53页 |
| 5.6 仿真实例 | 第53-65页 |
| 5.6.1 单变量系统开环辨识仿真 | 第53-58页 |
| 5.6.2 单输入单输出闭环系统的仿真 | 第58-62页 |
| 5.6.3 多变量闭环系统的仿真 | 第62-65页 |
| 5.7 结论 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 研究工作总结 | 第66页 |
| 6.2 研究工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者在攻读硕士学位期间发表的论文 | 第73页 |