基于改进粒子群算法的模型降阶
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 最优化问题 | 第10-11页 |
| 1.2.1 最优化问题的定义 | 第10-11页 |
| 1.2.2 智能优化算法 | 第11页 |
| 1.3 模型降阶方法概述 | 第11-13页 |
| 1.3.1 模型降阶方法的分类及发展 | 第11-13页 |
| 1.3.2 智能优化算法模型降阶的研究现状与发展 | 第13页 |
| 1.4 本文的主要工作 | 第13-15页 |
| 第2章 模型降阶方法 | 第15-28页 |
| 2.1 模型降阶的基本思想 | 第15-17页 |
| 2.2 基于传递函数的模型降阶 | 第17-21页 |
| 2.2.1 Padé 逼近法 | 第17-19页 |
| 2.2.2 Routh降阶法 | 第19页 |
| 2.2.3 时间延迟的Padé 降阶法 | 第19-20页 |
| 2.2.4 最优降阶法 | 第20-21页 |
| 2.3 基于状态方程的模型降阶 | 第21-26页 |
| 2.3.1 状态方程模型降阶的基本思想 | 第21页 |
| 2.3.2 均衡实现模型的降阶方法 | 第21-24页 |
| 2.3.3 最优Hankel模型降阶方法 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基本粒子群（PSO）及改进算法 | 第28-38页 |
| 3.1 基本粒子群优化算法 | 第28-29页 |
| 3.2 改进粒子群优化算法(AIBPSO) | 第29-37页 |
| 3.2.1 粒子群算法的改进概述 | 第29-31页 |
| 3.2.2 AIBPSO算法原理 | 第31-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于改进PSO的模型降阶 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 高阶系统的模型降阶 | 第38-46页 |
| 4.2.1 问题描述 | 第38-39页 |
| 4.2.2 误差积分型目标函数 | 第39-40页 |
| 4.2.3 基于PSO的模型降阶 | 第40-46页 |
| 4.2.4 基于AIBPSO的模型降阶 | 第46页 |
| 4.3 仿真实例一 | 第46-48页 |
| 4.3.1 仿真结果比较 | 第47-48页 |
| 4.3.2 仿真结果分析 | 第48页 |
| 4.4 仿真实例二 | 第48-51页 |
| 4.4.1 仿真结果比较 | 第49-50页 |
| 4.4.2 仿真结果分析 | 第50-51页 |
| 4.5 仿真实例三 | 第51-53页 |
| 4.5.1 仿真结果比较 | 第51-52页 |
| 4.5.2 仿真结果分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 5.1 本文总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
