| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 论文选题目的和意义 | 第15-16页 |
| 1.2 本课题相关领域研究状况 | 第16-21页 |
| 1.2.1 寻优算法的研究现状 | 第16-17页 |
| 1.2.2 布谷鸟算法的研究现状 | 第17-19页 |
| 1.2.3 非线性系统辨识的研究现状 | 第19-20页 |
| 1.2.4 重尾噪声的研究现状 | 第20-21页 |
| 1.3 本文主要工作 | 第21-23页 |
| 第二章 模型参数寻优基础 | 第23-35页 |
| 2.1 引言 | 第23页 |
| 2.2 非线性Hammerstein模型 | 第23-26页 |
| 2.2.1 Hammerstein模型结构 | 第23-24页 |
| 2.2.2 常见非线性特性介绍 | 第24-26页 |
| 2.3 几种传统的参数辨识方法 | 第26-28页 |
| 2.3.1 最小二乘算法 | 第26-27页 |
| 2.3.2 随机梯度算法 | 第27-28页 |
| 2.4 布谷鸟算法 | 第28-32页 |
| 2.4.1 算法的生物起源 | 第28-29页 |
| 2.4.2 Levy飞行 | 第29-31页 |
| 2.4.3 布谷鸟算法的提出 | 第31-32页 |
| 2.5 小结 | 第32-35页 |
| 第三章 基于t分布布谷鸟算法的单变量Hammerstein模型辨识 | 第35-51页 |
| 3.1 引言 | 第35页 |
| 3.2 问题描述 | 第35-37页 |
| 3.2.1 单输入单输出Hammerstein模型 | 第35-36页 |
| 3.2.2 非线性静态模块的FLANN结构 | 第36-37页 |
| 3.3 基于学生t分布的改进布谷鸟算法 | 第37-39页 |
| 3.3.1 替换Levy飞行 | 第37-38页 |
| 3.3.2 使用学生t分布序列初始化种群 | 第38-39页 |
| 3.4 利用TTCS辨识Hammerstein模型 | 第39-40页 |
| 3.5 仿真实例 | 第40-49页 |
| 3.6 小结 | 第49-51页 |
| 第四章 基于混合高斯分布的布谷鸟算法在重尾噪声下MIMOHammerstein 辨识 | 第51-73页 |
| 4.1 引言 | 第51-52页 |
| 4.2 问题描述 | 第52-54页 |
| 4.2.1 多输入多输出Hammerstein模型 | 第52-53页 |
| 4.2.2 RBF神经网络的结构 | 第53页 |
| 4.2.3 重尾噪声 | 第53-54页 |
| 4.3 GMDA算法 | 第54-56页 |
| 4.3.1 替换Levy飞行 | 第54-55页 |
| 4.3.2 其他方面的改进 | 第55-56页 |
| 4.4 GMDA算法参数粗调 | 第56-58页 |
| 4.5 测试函数 | 第58-61页 |
| 4.5.1 收敛性分析 | 第59-60页 |
| 4.5.2 实验结果评价 | 第60-61页 |
| 4.5.3 种群的影响 | 第61页 |
| 4.6 基于GMDA算法的MIMO Hammerstein模型辨识 | 第61-63页 |
| 4.6.1 辨识的步骤 | 第61-63页 |
| 4.6.2 GMDA算法的讨论 | 第63页 |
| 4.7 仿真实例 | 第63-70页 |
| 4.8 小结 | 第70-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 研究成果及发表的学术论文 | 第83-85页 |
| 作者和导师简介 | 第85-87页 |
| 附件 | 第87-88页 |
