| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 符号说明 | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 常见的几种群智能优化算法 | 第13-15页 |
| 1.2.1 遗传算法 | 第13-14页 |
| 1.2.2 蚁群算法 | 第14页 |
| 1.2.3 萤火虫算法 | 第14-15页 |
| 1.2.4 粒子群优化算法 | 第15页 |
| 1.3 论文的结构安排 | 第15-16页 |
| 第二章 标准粒子群优化算法 | 第16-22页 |
| 2.1 原始粒子群优化算法 | 第16-18页 |
| 2.1.1 粒子群算法的模型 | 第16页 |
| 2.1.2 原始粒子群优化算法 | 第16-17页 |
| 2.1.3 原始粒子群算法的速度公式分析 | 第17-18页 |
| 2.2 标准粒子群优化算法 | 第18-19页 |
| 2.2.1 带惯性权重 ω 的 PSO 算法 | 第18页 |
| 2.2.2 带压缩因子 χ 的 PSO 算法 | 第18-19页 |
| 2.3 标准粒子群算法步骤 | 第19页 |
| 2.4 粒子群算法存在的问题 | 第19-20页 |
| 2.5 粒子群算法的研究 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 高斯分布粒子群优化算法 | 第22-32页 |
| 3.1 收敛定理 | 第22-23页 |
| 3.2 随机变量分布 | 第23-24页 |
| 3.3 基于高斯分布改进的 PSO | 第24-31页 |
| 3.3.1 高斯分布和 PSO 结合的原因 | 第24-25页 |
| 3.3.2 改进的高斯分布 PSO 算法 | 第25-27页 |
| 3.3.3 改进的 NGPSO 算法的分析 | 第27-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 改进 PSO 算法的性能测试 | 第32-48页 |
| 4.1 测试函数 | 第32-35页 |
| 4.2 仿真实验设计 | 第35页 |
| 4.3 仿真实验结果 | 第35-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 改进的 PSO 算法在锅炉汽包水位 PID 控制系统中的应用 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 PID 控制原理 | 第48-51页 |
| 5.2.1 普通 PID 控制器 | 第49-50页 |
| 5.2.2 数字 PID 控制算法 | 第50-51页 |
| 5.3 PID 控制系统的性能指标 | 第51-52页 |
| 5.4 改进 PSO 算法用于整定 PID 参数 | 第52-54页 |
| 5.5 锅炉气包水位的 PID 控制 | 第54-58页 |
| 5.5.1 锅炉汽包水位的动态特性 | 第54-55页 |
| 5.5.2 锅炉汽包水位控制系统的结构分析 | 第55-56页 |
| 5.5.3 锅炉汽包水位控制系统的仿真 | 第56-58页 |
| 5.6 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |