| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究状况 | 第11-13页 |
| ·微粒群算法的研究状况 | 第11-12页 |
| ·系统辨识的研究状况 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| 第二章 系统辨识 | 第14-32页 |
| ·系统辨识的定义 | 第14-15页 |
| ·系统模型 | 第15-17页 |
| ·线性系统模型 | 第15页 |
| ·非线性模型 | 第15-17页 |
| ·系统辨识的基本原理 | 第17-18页 |
| ·辨识的输入信号 | 第18-20页 |
| ·白噪声 | 第18页 |
| ·有色噪声 | 第18页 |
| ·M 序列 | 第18-19页 |
| ·逆重复 M 序列 | 第19-20页 |
| ·误差准则 | 第20页 |
| ·传统辨识方法 | 第20-31页 |
| ·批处理最小二乘算法 | 第20-21页 |
| ·递推最小二乘算法 | 第21-22页 |
| ·仿真实例 | 第22-23页 |
| ·递推增广最小二乘算法 | 第23页 |
| ·仿真实例 | 第23-25页 |
| ·梯度校正法 | 第25-26页 |
| ·仿真实例 | 第26-27页 |
| ·极大似然法 | 第27页 |
| ·仿真实例 | 第27-28页 |
| ·神经网络系统辨识 | 第28-29页 |
| ·仿真实例 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第三章 基本微粒群优化算法 | 第32-38页 |
| ·引言 | 第32页 |
| ·微粒群优化算法 | 第32-36页 |
| ·微粒群算法产生的生物学背景 | 第32-33页 |
| ·微粒群算法原理 | 第33-34页 |
| ·微粒群算法流程图 | 第34-35页 |
| ·微粒群算法参数分析 | 第35-36页 |
| ·与其他进化算法的比较 | 第36-37页 |
| ·微粒群算法与遗传算法比较 | 第36-37页 |
| ·微粒群算法与蚁群算法的比较 | 第37页 |
| ·小结 | 第37-38页 |
| 第四章 改进微粒群算法 | 第38-53页 |
| ·带收敛因子的微粒群算法 | 第38页 |
| ·基于模拟退火算法的微粒群算法 | 第38-42页 |
| ·模拟退火算法 | 第38页 |
| ·基于模拟退火算法的微粒群算法步骤 | 第38-40页 |
| ·仿真函数测试 | 第40-42页 |
| ·量子微粒群算法 | 第42-47页 |
| ·算法模型 | 第42-44页 |
| ·算法流程 | 第44页 |
| ·仿真实例及结果分析 | 第44-47页 |
| ·混沌微粒群算法 | 第47-51页 |
| ·混沌搜索策略 | 第47-48页 |
| ·混沌微粒群算法的思想 | 第48页 |
| ·算法的流程 | 第48页 |
| ·仿真函数测试 | 第48-51页 |
| ·小结 | 第51-53页 |
| 第五章 微粒群算法在系统辨识中的应用 | 第53-69页 |
| ·基于微粒群算法的线性系统参数辨识 | 第53-55页 |
| ·引言 | 第53页 |
| ·线性系统辨识问题描述 | 第53页 |
| ·基于微粒群算法的线性系统辨识 | 第53-55页 |
| ·基于量子微粒群算法的非线性系统辨识 | 第55-59页 |
| ·引言 | 第55-56页 |
| ·单输入单输出 Hammerstein 模型 | 第56页 |
| ·基于 QPSO 算法辨识 Hammerstein 模型过程 | 第56-59页 |
| ·基于混沌微粒群算法的时变系统辨识 | 第59-64页 |
| ·引言 | 第59-60页 |
| ·时变系统模型描述 | 第60页 |
| ·基于混沌微粒群算法的时变系统辨识 | 第60-64页 |
| ·基于微粒群算法的混沌系统参数辨识 | 第64-68页 |
| ·引言 | 第64页 |
| ·混沌系统介绍 | 第64-65页 |
| ·混沌系统仿真实验 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士期间完成和录用相关文献列表 | 第75-76页 |
| 致谢 | 第76页 |