| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-19页 |
| ·引言 | 第7-8页 |
| ·粒子群优化算法的研究与应用概述 | 第8-17页 |
| ·优化研究的基础 | 第8-11页 |
| ·基本PSO 算法描述 | 第11-12页 |
| ·粒子群算法的改进综述 | 第12-16页 |
| ·粒子群算法的应用 | 第16-17页 |
| ·粒子群算法优化神经网络的研究 | 第17页 |
| ·本文的主要内容 | 第17-19页 |
| 第二章 粒子群算法的收敛性分析与改进研究 | 第19-38页 |
| ·粒子群算法的收敛性研究 | 第19-26页 |
| ·粒子群算法的收敛性分析与参数选择机制 | 第20-24页 |
| ·粒子群算法的位置和速度分析 | 第24-26页 |
| ·粒子群算法的改进策略 | 第26-33页 |
| ·基于模拟退火的自适应变异粒子群算法 | 第27-31页 |
| ·嵌入混沌序列的小生境粒子群算法 | 第31-33页 |
| ·实验的分析与讨论 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于PSO-BPNN 的主汽温系统动态PID 控制 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·基于BPNN 的动态PID 整定原理 | 第39-42页 |
| ·PSO-BPNNC 串级主汽温控制系统 | 第42-43页 |
| ·仿真实验 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于改进PSO 的T-S 模型的热工系统辨识 | 第47-59页 |
| ·引言 | 第47页 |
| ·TAKAGI-SUGENO 模型 | 第47-52页 |
| ·基于聚类法的T-S 模型结构 | 第48-49页 |
| ·输入变量的选择 | 第49-50页 |
| ·简化的减法聚类法 | 第50-51页 |
| ·参数辨识与优化 | 第51-52页 |
| ·BOX-JENKINS 煤气炉 T-S 模型的辨识 | 第52-54页 |
| ·基于现场数据的主汽温系统 T-S 模型辨识 | 第54-57页 |
| ·输入变量的选择 | 第54页 |
| ·主汽温系统 T-S 模型的结构与辨识 | 第54-57页 |
| ·泛化分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| ·论文的主要工作与结论 | 第59页 |
| ·进一步的研究工作与展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 在学期间发表的学术论文及科研情况 | 第68页 |
