| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| 1．1 研究背景与目的意义 | 第11页 |
| 1．2 PID控制优化与蚁群算法研究进展 | 第11-15页 |
| 1．2．1 课题的国外研究现状 | 第12-13页 |
| 1．2．2 课题的国内研究现状及应用发展 | 第13-15页 |
| 1．3 遗传算法与蚁群算法的特点 | 第15-16页 |
| 1．4 本文的主要工作、主要研究方向及内容 | 第16-17页 |
| 1．5 本文的主要创新之处 | 第17-18页 |
| 第2章 PID控制及其算法 | 第18-27页 |
| 2．1 PID控制系统 | 第18-20页 |
| 2．1．1 模拟PID控制系统概述 | 第18-19页 |
| 2．1．2 数字PID控制系统概述 | 第19-20页 |
| 2．2 参数自适应PID控制 | 第20-21页 |
| 2．3 数字PID控制算法 | 第21-24页 |
| 2．3．1 位置式PID控制算法分析 | 第21-22页 |
| 2．3．2 增量式PID控制算法分析 | 第22-24页 |
| 2．4 不完全微分PID控制算法 | 第24-26页 |
| 2．5 小结 | 第26-27页 |
| 第3章 PID控制的整定与优化 | 第27-37页 |
| 3．1 引言 | 第27页 |
| 3．2 PID控制参数整定基本方法 | 第27-29页 |
| 3．2．1 Ziegler-Nichols法 | 第27-28页 |
| 3．2．2 增益优化的整定 | 第28-29页 |
| 3．3 PID控制整定策略 | 第29-36页 |
| 3．3．1 继电型PID控制整定策略 | 第29-30页 |
| 3．3．2 基于给定相位裕度的 PM法整定策略 | 第30-32页 |
| 3．3．3 基于给定相位裕度和幅值裕度的SPAM法整定策略 | 第32-34页 |
| 3．3．4 基于递推参数估计的PID控制参数整定策略 | 第34-36页 |
| 3．4 小结 | 第36-37页 |
| 第4章 遗传算法优化PID控制研究 | 第37-47页 |
| 4．1 引言 | 第37页 |
| 4．2 基于遗传算法的PID参数优化 | 第37-42页 |
| 4．2．1 遗传算法的运算过程 | 第37页 |
| 4．2．2 遗传算法的PID参数优化 | 第37-40页 |
| 4．2．3 基于遗传算法的预测自整定PID控制算法 | 第40-42页 |
| 4．3 自适应遗传算法优化PID参数 | 第42-44页 |
| 4．3．1 系统优化模型 | 第42-43页 |
| 4．3．2 自适应遗传算法 | 第43-44页 |
| 4．4 基于改进遗传算法的PID控制优化 | 第44-46页 |
| 4．4．1 一种改进的遗传算法 | 第44页 |
| 4．4．2 二自由度PID控制 | 第44-45页 |
| 4．4．3 基于改进遗传算法的二自由度PID控制器参数寻优 | 第45-46页 |
| 4．5 小结 | 第46-47页 |
| 第5章 基于蚁群算法的PID控制优化研究 | 第47-65页 |
| 5．1 引言 | 第47-48页 |
| 5．2 蚁群算法 | 第48-53页 |
| 5．2．1 蚁群系统模型 | 第48-49页 |
| 5．2．2 蚁量系统和蚁密系统模型 | 第49-51页 |
| 5．2．3 蚁周系统模型 | 第51-53页 |
| 5．3 基于蚁群算法的PID参数优化 | 第53-57页 |
| 5．3．1 基于蚁群算法的PID控制系统优化原理 | 第53-54页 |
| 5．3．2 蚁群算法对PID控制参数优化设计 | 第54-56页 |
| 5．3．3 仿真实验 | 第56-57页 |
| 5．4 基于分布均匀度的自适应蚁群算法最优PID控制 | 第57-64页 |
| 5．4．1 基于分布均匀度的自适应蚁群算法最优PID控制的基本思想与方法 | 第57-62页 |
| 5．4．2 自适应蚁群算法优化PID控制算法 | 第62-63页 |
| 5．4．3 仿真结果 | 第63-64页 |
| 5．5 小结 | 第64-65页 |
| 第6章 基于遗传融合的自适应蚁群算法最优PID控制研究 | 第65-76页 |
| 6．1 引言 | 第65页 |
| 6．2 基于遗传算法融合蚁群算法GAAA算法 | 第65-68页 |
| 6．2．1 GAAA算法的基本方法 | 第65-66页 |
| 6．2．2 GAAA算法中遗传算法的设定 | 第66页 |
| 6．2．3 GAAA算法中蚂蚁算法的修正 | 第66-67页 |
| 6．2．4 GAAA算法对TSP问题的仿真结果 | 第67-68页 |
| 6．3 具有变异特征的蚁群算法 | 第68-70页 |
| 6．4 基于遗传因子的自适应蚁群算法最优PID控制 | 第70-74页 |
| 6．4．1 带遗传因子的自适应蚁群算法(GAAS)最优PID控制参数的基本思想 | 第70-73页 |
| 6．4．2 带遗传因子的自适应蚁群算法(GAAS)最优PID控制参数的算法 | 第73-74页 |
| 6．4．3 计算机仿真结果 | 第74页 |
| 6．5 小结 | 第74-76页 |
| 结论与展望 | 第76-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 附录A (攻读学位期间所发表的与学位论文相关的著作和学术论文目录) | 第84页 |
