| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·合动态系统状态估计研究现状 | 第12-13页 |
| ·基于粒子滤波的混合系统状态估计研究现状 | 第13-15页 |
| ·研究内容 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 2 粒子滤波算法基本原理 | 第17-27页 |
| ·动态空间模型 | 第17页 |
| ·贝叶斯估计理论 | 第17-19页 |
| ·基本粒子滤波算法 | 第19-26页 |
| ·蒙特卡洛方法 | 第20-21页 |
| ·序贯重要性采样(SIS)与重采样(SIR) | 第21-23页 |
| ·标准粒子滤波算法计算流程 | 第23-24页 |
| ·标准粒子滤波算法缺点及改进 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于遗传粒子滤波的混合系统状态估计算法设计及仿真 | 第27-43页 |
| ·基于标准粒子滤波的混合系统状态估计算法 | 第27-30页 |
| ·混合系统状态空间模型 | 第27-28页 |
| ·混合系统状态估计的PF算法 | 第28-30页 |
| ·改进的遗传粒子滤波算法设计 | 第30-34页 |
| ·遗传算法与粒子滤波算法的相似性分析 | 第30-32页 |
| ·遗传粒子滤波算法流程设计 | 第32-34页 |
| ·仿真分析 | 第34-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于观测值的自适应粒子滤波算法设计及仿真 | 第43-57页 |
| ·转移概率矩阵问题分析及常用解决方法 | 第43-46页 |
| ·转移概率矩阵问题分析 | 第43-44页 |
| ·常用的解决方法 | 第44-46页 |
| ·基于观测值的自适应粒子滤波算法 | 第46-50页 |
| ·算法原理 | 第46-47页 |
| ·算法计算流程 | 第47-49页 |
| ·算法分析 | 第49-50页 |
| ·仿真对比 | 第50-55页 |
| ·本章小结 | 第55-57页 |
| 5 列车运行状态混合估计 | 第57-67页 |
| ·列车运行混合模型 | 第57-59页 |
| ·基于观测值的自适应RBPF算法设计 | 第59-61页 |
| ·RBPF算法 | 第59-60页 |
| ·基于观测值的自适应RBPF算法 | 第60-61页 |
| ·列车运行混合系统状态估计仿真 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 6 结论与展望 | 第67-69页 |
| ·主要工作与结论 | 第67页 |
| ·作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 | 第73-77页 |
| 学位论文数据集 | 第77页 |