摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-35页 |
1.1 分数阶系统辨识 | 第15-18页 |
1.1.1 分数阶微积分的发展 | 第15-16页 |
1.1.2 分数阶系统辨识研究现状 | 第16-18页 |
1.1.3 分数阶系统辨识研究意义 | 第18页 |
1.2 最优化问题及算法 | 第18-20页 |
1.2.1 最优化问题模型 | 第19页 |
1.2.2 智能优化算法 | 第19-20页 |
1.3 粒子群算法研究现状 | 第20-33页 |
1.3.1 粒子群算法的理论研究现状 | 第22-29页 |
1.3.2 粒子群算法的改进研究现状 | 第29-32页 |
1.3.3 粒子群算法的应用研究现状 | 第32页 |
1.3.4 其他相关优化算法 | 第32-33页 |
1.4 本文研究内容和章节安排 | 第33-35页 |
第2章 粒子群算法收敛性分析 | 第35-52页 |
2.1 引言 | 第35页 |
2.2 粒子轨迹分析 | 第35-44页 |
2.2.1 简化模型中的粒子轨迹分析 | 第35-39页 |
2.2.2 粒子群算法中粒子轨迹特性分析 | 第39-44页 |
2.3 基于蒙特卡洛方法的算法收敛性分析 | 第44-51页 |
2.3.1 基于时变离散系统理论的算法收敛性分析 | 第44-46页 |
2.3.2 基于蒙特卡洛方法的算法收敛性分析 | 第46-48页 |
2.3.3 参数对粒子运行轨迹稳定性影响的实证分析 | 第48-51页 |
2.4 本章小结 | 第51-52页 |
第3章 粒子群算法的性能分析及参数选取 | 第52-65页 |
3.1 引言 | 第52页 |
3.2 参数对算法性能的影响 | 第52-58页 |
3.2.1 测试函数 | 第52-54页 |
3.2.2 参数对粒子探索能力的影响 | 第54-55页 |
3.2.3 参数对算法成功率的影响 | 第55-58页 |
3.3 算法参数选取 | 第58-63页 |
3.3.1 固定参数典型策略对比及一组推荐值 | 第58-61页 |
3.3.2 时变参数推荐值 | 第61-63页 |
3.4 本章小结 | 第63-65页 |
第4章 基于自适应搜索中心的骨干粒子群算法 | 第65-90页 |
4.1 引言 | 第65页 |
4.2 骨干粒子群算法 | 第65-70页 |
4.2.1 骨干粒子群算法的基本形式 | 第65-67页 |
4.2.2 骨干粒子群算法的性能测试 | 第67-69页 |
4.2.3 关于骨干粒子群算法的两点思考 | 第69-70页 |
4.3 标准粒子群算法和骨干粒子群算法中粒子分布分析 | 第70-72页 |
4.4 基于搜索中心自适应调节的改进骨干粒子群算法 | 第72-79页 |
4.4.1 搜索中心自适应调节策略 | 第72-76页 |
4.4.2 越界粒子的处理 | 第76-77页 |
4.4.3 改进算法描述 | 第77-78页 |
4.4.4 改进算法的全局收敛性分析 | 第78-79页 |
4.5 仿真实验 | 第79-88页 |
4.5.1 基准函数及其它用于比较的算法 | 第79-82页 |
4.5.2 实验结果及分析 | 第82-88页 |
4.6 本章小结 | 第88-90页 |
第5章 基于粒子群算法的分数阶系统频域辨识 | 第90-107页 |
5.1 引言 | 第90页 |
5.2 分数阶微积分及分数阶系统 | 第90-94页 |
5.2.1 分数阶微积分 | 第90-92页 |
5.2.2 分数阶系统 | 第92-94页 |
5.3 基于最小二乘法和粒子群算法的分数阶系统频域辨识 | 第94-98页 |
5.3.1 最小二乘法在分数阶系统频域辨识中的应用 | 第95-97页 |
5.3.2 分数阶系统的整体辨识 | 第97-98页 |
5.4 基于辅助变量法和粒子群算法的分数阶系统频域辨识 | 第98-100页 |
5.5 辨识实例 | 第100-106页 |
5.5.1 同元次分数阶系统辨识实例 | 第100-103页 |
5.5.2 一般分数阶系统辨识实例 | 第103-106页 |
5.6 本章小结 | 第106-107页 |
第6章 全文总结与展望 | 第107-110页 |
6.1 论文的主要工作和创新点 | 第107-108页 |
6.2 今后的研究方向 | 第108-110页 |
参考文献 | 第110-125页 |
攻读博士学位期间发表的论文 | 第125-126页 |
攻读博士学位期间参加的科研工作 | 第126-127页 |
致谢 | 第127-128页 |
作者简介 | 第128页 |