首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

混合粒子群优化及其在嵌入式智能控制中的应用

摘要第1-6页
Abstract第6-12页
第1章 绪论第12-33页
   ·研究的背景和意义第12-14页
   ·国内外研究现状第14-28页
     ·粒子群优化算法第14-19页
     ·混合粒子群优化算法第19-22页
     ·混合智能系统第22-26页
     ·嵌入式智能控制系统第26-28页
   ·课题的提出第28-29页
   ·本文的研究工作与结构安排第29-33页
第2章 粒子群优化算法研究第33-58页
   ·引言第33-34页
   ·PSO算法的基本原理第34-36页
   ·标准PSO算法的参数分析第36-37页
   ·PSO和遗传算法的比较第37-38页
   ·具有收敛因子的粒子群优化算法模型第38-39页
   ·粒子群优化算法改进研究第39-49页
     ·改进算法的基本原理第39-40页
     ·算例及分析第40-49页
   ·粒子个体最优位置变异的粒子群优化算法第49-56页
   ·本章小结第56-58页
第3章 混合粒子群优化算法研究第58-86页
   ·引言第58页
   ·模拟退火算法第58-68页
     ·算法原理第58-61页
     ·模拟退火算法关键参数控制第61-65页
     ·模拟退火算法的改进第65-67页
     ·算法实现第67-68页
   ·混合粒子群优化算法(PSOSA)第68-73页
     ·PSOSA混合优化算法描述第68-71页
     ·PSOSA混合优化策略的效率定性分析第71-72页
     ·PSOSA混合优化策略的机制第72-73页
   ·算法数字仿真实验第73-77页
     ·实验结果与分析第73-76页
     ·与其它改进的PSO算法比较第76-77页
   ·混合优化策略的特点第77-78页
   ·解的形式和邻域结构对优化性能影响的讨论第78-85页
     ·解的形式对优化性能的影响第78-83页
     ·邻域结构对优化性能的影响第83-85页
   ·本章小结第85-86页
第4章 基于粒子群优化的前向神经网络研究第86-119页
   ·引言第86页
   ·BP网络及学习算法第86-94页
     ·BP网络的结构及数学描述第86-89页
     ·BP网络的学习算法第89-92页
     ·BP算法存在的问题及改进第92-94页
   ·基于PSO算法的前向神经网络学习算法第94-107页
     ·基于标准的PSO算法的FNN学习算法第94-96页
     ·基于改进的PSO算法的FNN学习算法第96-97页
     ·基于混合PSO算法的FNN学习算法第97-98页
     ·仿真结果与分析第98-107页
   ·基于PSO和数值优化方法的FNN学习算法第107-113页
     ·Levenberg-Marquardt算法第107-109页
     ·PSOBPLM算法的学习流程第109-110页
     ·算法的仿真结果分析第110-113页
   ·基于PSO的前向神经网络变结构学习研究第113-118页
     ·结构学习算法概述第113-114页
     ·学习算法设计第114-115页
     ·算法仿真示例第115-118页
   ·本章小结第118-119页
第5章 基于神经网络的工业洗衣机建模第119-143页
   ·引言第119页
   ·神经网络与模糊系统的等价性第119-121页
   ·基于前向神经网络的工业洗衣机建模第121-133页
     ·问题描述第121-122页
     ·神经—模糊控制系统第122-125页
     ·洗涤水位决策神经模糊控制器第125页
     ·洗涤时间决策神经模糊控制器第125-128页
     ·神经网络训练过程第128-133页
   ·控制器学习功能的设计和实现第133-135页
   ·基于神经网络的洗涤转速设计及均布过程的控制第135-141页
     ·基于神经网络的洗涤转速设计第135-137页
     ·基于NN的工业洗衣机脱水均布过程控制第137-141页
   ·本章小结第141-143页
第6章 工业洗衣机嵌入式智能控制系统实现第143-164页
   ·系统功能分析第143-145页
   ·系统硬件规划第145-146页
   ·系统软件规划第146-148页
     ·需求分析第146-148页
     ·系统软件结构第148页
   ·实时操作系统移植第148-150页
   ·系统图形用户界面实现第150-154页
     ·μC/GUI的数据结构第150-151页
     ·μC/GUI工作过程分析第151-152页
     ·μC/GUI接口第152-153页
     ·μC/GUI在μC/OS上的移植第153-154页
   ·系统任务模块划分及功能分析第154-160页
     ·系统任务模块划第154-157页
     ·任务模块功能分析第157-160页
   ·神经网络智能计算的实现机制第160-163页
   ·本章小结第163-164页
第7章 全文总结与研究展望第164-167页
   ·全文总结第164-165页
   ·研究展望第165-167页
参考文献第167-179页
致谢第179-180页
攻读博士学位期间发表的论文和参与的科研项目第180-181页
获奖证书第181页

论文共181页,点击 下载论文
上一篇:美术教学中“综合·探索”学习领域课程的实践研究
下一篇:统计关系学习的若干问题研究