| 摘要 | 第1页 |
| ABSTRACT | 第3-11页 |
| ·选题背景及意义 | 第6-8页 |
| ·国内外研究动态 | 第8-9页 |
| ·论文的主要工作内容 | 第9-11页 |
| 第二章 基本粒子群算法原理与收敛性分析 | 第11-22页 |
| ·原始粒子群优化算法 | 第11-15页 |
| ·算法原理 | 第11-12页 |
| ·算法流程 | 第12-13页 |
| ·社会认知行为分析 | 第13-14页 |
| ·全局模型与局部模型 | 第14-15页 |
| ·同步模式与异步模式 | 第15页 |
| ·离散二进制粒子群算法 | 第15-16页 |
| ·带惯性权重(inertia weight)粒子群算法 | 第16页 |
| ·标准粒子群算法收敛性分析 | 第16-18页 |
| ·约束系数粒子群算法收敛性分析 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基本粒子群算法的改进与应用 | 第22-38页 |
| ·混沌粒子群优化算法(CPSO) | 第22-24页 |
| ·基本粒子群的其它改进方法 | 第24-29页 |
| ·粒子群算法收敛速度的改进 | 第24-26页 |
| ·粒子群算法增加多样性的改进 | 第26-27页 |
| ·其它改进方法 | 第27-29页 |
| ·算法比较 | 第29-31页 |
| ·粒子群算法与遗传算法(GA)比较 | 第29-30页 |
| ·粒子群算法与蚂蚁算法(ACO)比较 | 第30-31页 |
| ·粒子群算法的应用 | 第31-32页 |
| ·混沌粒子群算法在求解函数优化问题的应用研究 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于混沌粒子群优化算法的热工过程辨识 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·系统辨识的步骤和方法 | 第39-40页 |
| ·基于混沌粒子群算法的热工过程辨识 | 第40-46页 |
| ·过程辨识原理 | 第40-41页 |
| ·电厂热工过程研究对象 | 第41-42页 |
| ·对阶跃输入下已知模型的辨识 | 第42-44页 |
| ·利用现场数据的辨识 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于混论粒子群算法的控制器参数优化 | 第47-60页 |
| ·PID 控制器基本原理 | 第47-51页 |
| ·标准 PID 控制器结构 | 第47-48页 |
| ·控制器参数对控制性能的影响 | 第48-49页 |
| ·不完全微分 PID 在控制系统中的应用 | 第49-51页 |
| ·控制规律的选择 | 第51页 |
| ·基于混沌粒子群算法的 PID 控制器参数优化整定 | 第51-53页 |
| ·优化整定方案设计 | 第51-52页 |
| ·目标函数选取 | 第52-53页 |
| ·仿真与应用研究 | 第53-59页 |
| ·单回路 PID 控制器参数整定 | 第53-54页 |
| ·主汽温系统的串级不完全微分 PID 控制器参数整定 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文和参加科研情况 | 第65页 |
