| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| Contents | 第12-15页 |
| 第1章 绪论 | 第15-25页 |
| ·课题背景及意义 | 第15-16页 |
| ·量子优化算法研究现状 | 第16-17页 |
| ·系统辨识理论及应用发展概况 | 第17-23页 |
| ·量子粒子群算法在系统辨识中的发展与应用概况 | 第17-19页 |
| ·状态子空间辨识算法的发展与应用概况 | 第19-21页 |
| ·神经网络应用在辨识领域的发展概况 | 第21-23页 |
| ·本文研究内容和结构安排 | 第23-25页 |
| 第2章 预备知识 | 第25-33页 |
| ·量子计算基础 | 第25-28页 |
| ·单量子比特 | 第25-26页 |
| ·双(多)量子比特 | 第26-27页 |
| ·量子逻辑门 | 第27-28页 |
| ·状态子空间辨识算法基础 | 第28-32页 |
| ·统计工具 | 第28-29页 |
| ·投影基础 | 第29-31页 |
| ·矩阵分解基础 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于量子粒子群的传递函数模型族辨识及其应用研究 | 第33-57页 |
| ·引言 | 第33-34页 |
| ·系统辨识问题描述与传递函数族 | 第34-37页 |
| ·系统辨识问题 | 第34页 |
| ·一般传递函数的模型族表示 | 第34-36页 |
| ·常用的参数估计方法 | 第36-37页 |
| ·量子粒子群算法 | 第37-43页 |
| ·粒子群算法基本原理 | 第37-38页 |
| ·粒子群算法的稳定性分析 | 第38-39页 |
| ·量子粒子群优化算法 | 第39-41页 |
| ·量子粒子群算法的改进 | 第41页 |
| ·改进QPSO算法描述 | 第41-42页 |
| ·算法性能测试 | 第42-43页 |
| ·改进量子粒子群算法在热工对象辨识中的应用 | 第43-47页 |
| ·改进量子粒子群算法及其在系统辨识步骤 | 第43-44页 |
| ·热工对象中常见的模型结构 | 第44-45页 |
| ·数据预处理 | 第45-47页 |
| ·辨识方法测试示例 | 第47-50页 |
| ·示例1：二阶SISO系统的辨识 | 第47-48页 |
| ·示例2：自适应ⅡR滤波器辨识 | 第48-50页 |
| ·工程应用 | 第50-56页 |
| ·基于DCS的热工对象辨识软件 | 第50-52页 |
| ·现场实际应用 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 基于量子计算的多变量子空间辨识方法及其应用研究 | 第57-80页 |
| ·引言 | 第57页 |
| ·线性系统状态空间描述 | 第57-60页 |
| ·线性离散系统状态空间模型 | 第58页 |
| ·状态子空间辨识数据矩阵的构造 | 第58-60页 |
| ·确定系统状态空间辨识 | 第60-62页 |
| ·状态序列的计算 | 第60-62页 |
| ·计算系统矩阵 | 第62页 |
| ·扰动作用下的状态子空间辨识 | 第62-65页 |
| ·状态序列的计算 | 第62-64页 |
| ·计算系统矩阵 | 第64-65页 |
| ·联合确定-随机系统状态空间辨识 | 第65-68页 |
| ·状态序列的计算 | 第65-67页 |
| ·系统矩阵的计算 | 第67-68页 |
| ·子空间辨识的统一框架 | 第68-69页 |
| ·子空间辨识算法举例 | 第69-71页 |
| ·基于优化算法的状态子空间辨识方法 | 第71-77页 |
| ·问题的提出 | 第71-72页 |
| ·基于优化算法的状态子空间辨识方法步骤 | 第72页 |
| ·算法验证 | 第72-77页 |
| ·现场实例 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第5章 基于改进量子遗传算法的非线性神经网络辨识及其应用研究 | 第80-99页 |
| ·引言 | 第80页 |
| ·神经网络与系统辨识 | 第80-84页 |
| ·BP神经网络 | 第81-82页 |
| ·RBF神经网络 | 第82-83页 |
| ·CMAC小脑模型神经网络 | 第83-84页 |
| ·神经网络在模型辨识中常用的结构 | 第84-86页 |
| ·一种新的量子遗传算法 | 第86-92页 |
| ·遗传算法 | 第86-87页 |
| ·改进量子遗传算法 | 第87-91页 |
| ·算法性能测试 | 第91-92页 |
| ·基于NQGA的RBF NN系统辨识算法实现 | 第92-98页 |
| ·基于NQGA的RBF NN辨识系统 | 第92-93页 |
| ·仿真示例 | 第93-96页 |
| ·现场实例 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第6章 结论与展望 | 第99-101页 |
| ·论文的主要工作及创新点 | 第99页 |
| ·今后的研究方向 | 第99-101页 |
| 参考文献 | 第101-110页 |
| 攻读博士学位期间发表的论文及其它成果 | 第110-112页 |
| 攻读博士学位期间参加的科研工作 | 第112-113页 |
| 致谢 | 第113-115页 |
| 作者简介 | 第115页 |
