| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题研究的背景及意义 | 第14-15页 |
| ·相关领域的研究进展 | 第15-17页 |
| ·数学模型建立及系统辨识 | 第15页 |
| ·非线性系统建模 | 第15-16页 |
| ·粒子群优化算法 | 第16-17页 |
| ·本文的主要研究内容 | 第17-20页 |
| 第二章 系统辨识前的数据预处理 | 第20-34页 |
| ·引言 | 第20页 |
| ·剔除脉冲噪声 | 第20-21页 |
| ·信号归一化 | 第21页 |
| ·常用的数字滤波算法 | 第21-22页 |
| ·卡尔曼滤波 | 第22-25页 |
| ·算法原理 | 第22-24页 |
| ·仿真实验 | 第24-25页 |
| ·改进的滑动平均滤波法 | 第25-29页 |
| ·算法原理 | 第26-27页 |
| ·仿真实验 | 第27-29页 |
| ·小波去噪滤波法 | 第29-33页 |
| ·小波去噪概述 | 第29-30页 |
| ·小波阈值去噪法 | 第30-31页 |
| ·仿真实验 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于健康度的快速收敛粒子群优化算法(HPSO) | 第34-54页 |
| ·引言 | 第34页 |
| ·常用的粒子群优化算法 | 第34-37页 |
| ·标准粒子群优化算法 | 第34-35页 |
| ·权重改进的粒子群优化算法 | 第35-36页 |
| ·变学习因子的粒子群算法 | 第36-37页 |
| ·粒子健康度概念及计算 | 第37-39页 |
| ·粒子振荡代数 | 第37-39页 |
| ·粒子停滞代数 | 第39页 |
| ·粒子健康度的计算 | 第39页 |
| ·算法描述 | 第39-41页 |
| ·算法仿真测试 | 第41-53页 |
| ·基准测试函数 | 第42-46页 |
| ·收敛性测试 | 第46-48页 |
| ·鲁棒性测试 | 第48-50页 |
| ·均值测试 | 第50-51页 |
| ·收敛速度对比测试 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第四章 HPSO算法在系统辨识中的应用 | 第54-66页 |
| ·引言 | 第54页 |
| ·HPSO算法在线性连续系统辨识中的应用 | 第54-59页 |
| ·无噪声环境下的HPSO辨识 | 第55-57页 |
| ·强噪声下的HPSO参数辨识 | 第57-59页 |
| ·HPSO算法在非线性系统辨识中的应用 | 第59-65页 |
| ·Hammerstein模型的描述 | 第59-60页 |
| ·Wiener模型的描述 | 第60-61页 |
| ·仿真实验 | 第61-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结和展望 | 第66-68页 |
| ·研究工作总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-75页 |
| 作者和导师简介 | 第75-76页 |
| 附件 | 第76-77页 |