量子群智能算法及其在控制器优化设计中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·量子计算的研究现状及分析 | 第11-13页 |
| ·群智能优化算法的研究与应用现状 | 第13-16页 |
| ·蚁群算法的研究与应用现状 | 第13-14页 |
| ·粒子群算法的研究与应用现状 | 第14-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第2章 群智能优化算法 | 第17-29页 |
| ·引言 | 第17页 |
| ·蚁群优化算法 | 第17-23页 |
| ·蚁群优化算法的基本原理 | 第17-20页 |
| ·蚁群优化算法的优缺点 | 第20-21页 |
| ·改进的蚁群优化算法 | 第21-23页 |
| ·粒子群优化算法 | 第23-26页 |
| ·粒子群优化算法的基本原理 | 第23-25页 |
| ·粒子群优化算法的优缺点 | 第25页 |
| ·改进的粒子群优化算法 | 第25-26页 |
| ·量子计算基本原理 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 改进的量子蚁群优化算法 | 第29-40页 |
| ·引言 | 第29页 |
| ·量子蚁群优化算法 | 第29-32页 |
| ·量子蚁群优化算法的基本原理 | 第29-32页 |
| ·量子蚁群优化算法的实现步骤 | 第32页 |
| ·改进的量子蚁群优化算法(IQACA) | 第32-39页 |
| ·量子蚁群优化算法的改进策略 | 第32-34页 |
| ·IQACA算法的实现步骤 | 第34-35页 |
| ·仿真分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于改进量子蚁群算法的控制器参数优化 | 第40-52页 |
| ·引言 | 第40页 |
| ·控制系统的性能评价指标 | 第40-41页 |
| ·基于IQACA的模糊控制器参数优化 | 第41-46页 |
| ·模糊控制器的基本结构 | 第41-43页 |
| ·解析描述控制规则可调整的模糊控制器 | 第43-44页 |
| ·基于IQACA的模糊控制器参数优化算法实现 | 第44-45页 |
| ·仿真结果与分析 | 第45-46页 |
| ·基于IQACA的PID控制器参数优化 | 第46-51页 |
| ·PID控制器基本原理 | 第46-48页 |
| ·PID控制器参数常规整定方法 | 第48-49页 |
| ·基于IQACA的PID参数优化算法实现 | 第49-50页 |
| ·仿真结果与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于量子粒子群算法的自抗扰控制器优化设计 | 第52-71页 |
| ·引言 | 第52-53页 |
| ·量子粒子群算法 | 第53-57页 |
| ·量子粒子群算法的基本原理 | 第53-55页 |
| ·仿真分析 | 第55-57页 |
| ·自抗扰控制器的基本原理 | 第57-63页 |
| ·跟踪微分器 | 第58页 |
| ·状态扩张观测器 | 第58-61页 |
| ·非线性误差反馈律 | 第61-63页 |
| ·自抗扰控制器的具体算法 | 第63页 |
| ·自抗扰控制系统设计方法 | 第63-65页 |
| ·自抗扰控制系统设计思路 | 第63-64页 |
| ·自抗扰控制器参数整定方法 | 第64-65页 |
| ·基于QPSO算法的自抗扰控制器参数优化 | 第65-70页 |
| ·基于S函数的自抗扰控制系统设计 | 第65-66页 |
| ·QPSO-ADRC算法实现 | 第66-67页 |
| ·仿真结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
