| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 智能算法的发展 | 第13-14页 |
| 1.3 非线性系统辨识发展 | 第14-15页 |
| 1.4 本论文的主要工作 | 第15-17页 |
| 第二章 人工蜂群算法和改进人工蜂群算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 人工蜂群算法概述 | 第17-19页 |
| 2.3 人工蜂群算法基本原理 | 第19-21页 |
| 2.4 改进的人工蜂群算法NABC | 第21-24页 |
| 2.4.1 随机搜索算法描述 | 第21-22页 |
| 2.4.2 NABC算法原理 | 第22-24页 |
| 2.5 测试函数仿真 | 第24-26页 |
| 2.6 NABC算法在线性辨识中的应用 | 第26-28页 |
| 2.7 小结 | 第28-29页 |
| 第三章 基于改进人工蜂群算法的Wiener模型分步辨识 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 基于阶跃信号测试的Wiener模型辨识 | 第29-34页 |
| 3.2.1 Wiener模型辨识描述 | 第29-30页 |
| 3.2.2 静态非线性部分辨识 | 第30-31页 |
| 3.2.3 动态线性部分辨识 | 第31页 |
| 3.2.4 中和反应过程辨识仿真 | 第31-34页 |
| 3.3 基于非线性部分结构信息的辨识方法 | 第34-39页 |
| 3.3.1 问题描述 | 第34-35页 |
| 3.3.2 原点信息辨识法 | 第35-37页 |
| 3.3.3 符号信息辨识法 | 第37-38页 |
| 3.3.4 单调信息辨识法 | 第38-39页 |
| 3.4 仿真例子 | 第39-45页 |
| 3.4.1 数值例子 | 第39-43页 |
| 3.4.2 中和反应仿真例子 | 第43-45页 |
| 3.5 小结 | 第45-47页 |
| 第四章 基于NABC算法的多变量Hammerstein模型辨识 | 第47-59页 |
| 4.1 基于阶跃信号的单变量Hammerstein模型辨识 | 第47-49页 |
| 4.1.1 Hammerstein模型辨识描述 | 第47页 |
| 4.1.2 静态非线性部分辨识 | 第47-48页 |
| 4.1.3 动态线性部分辨识 | 第48-49页 |
| 4.2 基于阶跃信号的多变量Hammertein模型辨识 | 第49-52页 |
| 4.2.1 问题描述 | 第49-50页 |
| 4.2.2 多变量Hammerstein模型非线性部分辨识 | 第50-51页 |
| 4.2.3 基于子模型方法的线性部分辨识 | 第51-52页 |
| 4.3 聚合反应过程建模 | 第52-57页 |
| 4.4 结论 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的学术论文 | 第67-69页 |
| 作者和导师简介 | 第69-70页 |
| 附件 | 第70-71页 |
