首页--自然科学总论论文--系统科学论文--系统工程论文--系统分析论文--系统辨识论文

基于粒子群算法的系统辨识方法研究与仿真

摘要第1-6页
ABSTRACT第6-14页
第一章 绪论第14-22页
   ·本课题的研究意义和目的第14-15页
   ·系统辨识的发展简介第15-20页
     ·系统辨识的定义和历史第15页
     ·系统辨识研究的现状和趋势第15-17页
     ·辨识方法简述第17-20页
   ·本论文的工作第20-22页
第二章 常用辨识方法的概述与仿真第22-38页
   ·系统辨识简介第22-26页
     ·系统模型第22页
     ·建立系统数学模型的方法第22-23页
     ·对象模型第23-25页
     ·系统辨识的基本步骤第25-26页
   ·最小二乘法的研究第26-32页
     ·最小二乘法原理第26-28页
     ·系统辨识的最小二乘方法第28-29页
     ·基于基本最小二乘方法的辨识仿真第29-30页
     ·基于改进的加权最小二乘方法的辨识仿真第30-32页
   ·遗传算法的研究第32-34页
     ·遗传算法简介第32页
     ·遗传算法的基本原理第32-33页
     ·基于遗传算法的辨识仿真第33-34页
   ·差分进化方法的研究第34-38页
     ·差分进化方法简述第34-35页
     ·差分进化方法简单流程第35-36页
     ·基于差分进化方法的辨识仿真第36-38页
第三章 基于改进二阶粒子群算法的非线性模型辨识与仿真第38-52页
   ·引言第38-39页
   ·PSO方法介绍第39-41页
     ·方法描述第39-40页
     ·设定PSO算法参数第40-41页
   ·二阶粒子群辨识方法的研究第41-43页
     ·二阶粒子群辨识方法第41-42页
     ·改进的二阶粒子群辨识方法第42-43页
   ·非线性模型简介及仿真研究第43-51页
     ·非线性系统模型简介第43-44页
     ·块连非线性系统模型的研究第44-46页
     ·基于改进的二阶粒子群算法的Hammerstein模型仿真第46-48页
     ·基于改进的二阶粒子群算法的Wiener模型仿真第48-51页
   ·小结第51-52页
第四章 基于混合粒子群算法的多变量系统辨识的研究第52-64页
   ·引言第52页
   ·系统模型辨识问题描述第52-56页
     ·模型结构参数第52-53页
     ·系统模型描述第53-55页
     ·原模型的选取第55-56页
   ·基于混合粒子群算法模型辨识的研究第56-63页
     ·惯性权重逐减的粒子群算法第56页
     ·PSO-SQP辨识方法简介第56-59页
     ·基于混合粒子群算法的多变量系统的仿真第59-63页
   ·小结第63-64页
第五章 总结与展望第64-66页
   ·全文总结第64-65页
   ·今后工作展望第65-66页
参考文献第66-70页
致谢第70-72页
研究成果及发表的学术论文第72-74页
作者和导师简介第74-75页
硕士研究生学位论文答辩委员会决议书第75-76页

论文共76页,点击 下载论文
上一篇:单变量系统辨识方法的研究与仿真
下一篇:可拓理论在RBF神经网络研究中的应用