| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景及其意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·微粒群算法的研究与改进 | 第13-15页 |
| ·自抗扰控制器参数整定方法 | 第15-16页 |
| ·论文研究内容 | 第16-17页 |
| ·论文结构与章节安排 | 第17-18页 |
| 第2章 基本微粒群算法与经典优化算法 | 第18-30页 |
| ·最优化问题 | 第18-20页 |
| ·约束优化问题与无约束优化问题 | 第18页 |
| ·局部优化与全局优化 | 第18-19页 |
| ·NFL | 第19-20页 |
| ·经典优化算法 | 第20-25页 |
| ·无约束优化最优性条件及算法结构 | 第20-22页 |
| ·下降算法的一般步骤 | 第22页 |
| ·非线性共轭梯度法 | 第22-24页 |
| ·模式搜索算法 | 第24-25页 |
| ·微粒群优化算法 | 第25-28页 |
| ·微粒群算法的起源 | 第25页 |
| ·微粒群算法的原理 | 第25-27页 |
| ·微粒群算法流程及特点 | 第27-28页 |
| ·微粒群算法的速度模型 | 第28页 |
| ·经典算法与微粒群算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于非线性共轭梯度法的混沌微粒群算法 | 第30-41页 |
| ·引言 | 第30-31页 |
| ·多峰寻优微粒群算法 | 第31-33页 |
| ·混沌序列 | 第31-32页 |
| ·微粒群算法的改进 | 第32-33页 |
| ·基于非线性共轭梯度法的混沌微粒群算法 | 第33-35页 |
| ·收敛性判断 | 第34页 |
| ·极值点库 | 第34-35页 |
| ·同峰判断 | 第35页 |
| ·仿真实验与分析 | 第35-40页 |
| ·测试一 | 第35-37页 |
| ·测试二 | 第37-40页 |
| ·小结 | 第40-41页 |
| 第4章 基于模式搜索的微粒群算法在 ADRC 参数整定中的应用 | 第41-57页 |
| ·引言 | 第41-42页 |
| ·自抗扰控制器原理 | 第42-49页 |
| ·跟踪微分器（TD） | 第42-43页 |
| ·扩张状态观测器（ESO） | 第43-44页 |
| ·非线性误差反馈控制律（NLSEF） | 第44-45页 |
| ·自抗扰控制器的参数调整原则 | 第45-47页 |
| ·ADRC 的离散算法 | 第47-49页 |
| ·时滞系统 | 第49-50页 |
| ·Smith 预估器控制纯滞后对象 | 第49页 |
| ·时滞系统的自抗扰控制 | 第49-50页 |
| ·基于模式搜索的微粒群算法 | 第50-52页 |
| ·变异操作 | 第50-51页 |
| ·适应度函数 | 第51页 |
| ·基于模式搜索的微粒群算法流程 | 第51-52页 |
| ·仿真实验和分析 | 第52-55页 |
| ·阶跃响应 | 第53-54页 |
| ·抗扰动性能 | 第54-55页 |
| ·鲁棒性实验 | 第55页 |
| ·小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录 A 攻读学位期间发表的学术论文 | 第64-65页 |
| 附录 B 攻读学位期间参与的科研课题 | 第65页 |