| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 选题背景及意义 | 第10-11页 |
| 1.2 结构模态参数识别 | 第11-16页 |
| 1.3 智能优化算法在结构模态参数识别中的应用 | 第16-19页 |
| 1.3.1 群体智能优化算法 | 第16页 |
| 1.3.2 PSO算法及其在结构参数识别中应用现状 | 第16-18页 |
| 1.3.3 QPSO算法及其在结构参数识别中应用现状 | 第18-19页 |
| 1.3.4 改进QPSO算法研究现状 | 第19页 |
| 1.4 本文研究内容 | 第19-21页 |
| 第二章 量子粒子群优化算法理论 | 第21-28页 |
| 2.1 粒子群优化算法 | 第21-24页 |
| 2.1.1 PSO算法理论 | 第21-23页 |
| 2.1.2 PSO算法的缺陷 | 第23-24页 |
| 2.2 量子粒子群算法（QPSO） | 第24-27页 |
| 2.2.1 量子理论基础 | 第24页 |
| 2.2.2 QPSO算法基本理论 | 第24-26页 |
| 2.2.3 QPSO算法的优缺点 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于混合概率的小波变异量子粒子群算法 | 第28-38页 |
| 3.1 基于混合概率分布的QPSO原理（M-QPSO） | 第28-29页 |
| 3.2 小波变异原理 | 第29-30页 |
| 3.3 基于混合概率分布的小波变异量子粒子群（M-WMQPSO）算法 | 第30-31页 |
| 3.4 性能测试与分析 | 第31-37页 |
| 3.4.1 标准测试函数 | 第31-33页 |
| 3.4.2 算法测试与仿真 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于同化竞争的量子粒子群算法 | 第38-45页 |
| 4.1 同化竞争理论思想 | 第38-40页 |
| 4.2 基于同化竞争的QPSO算法具体流程 | 第40-41页 |
| 4.3 性能测试与分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于改进QPSO算法在结构模态参数识别中的应用 | 第45-62页 |
| 5.1 问题描述 | 第45-46页 |
| 5.2 模态参数识别步骤 | 第46页 |
| 5.3 数值模拟 | 第46-61页 |
| 5.3.1 三质量块模态识别 | 第46-49页 |
| 5.3.2 六层框架模态识别 | 第49-55页 |
| 5.3.3 简支梁模态识别 | 第55-58页 |
| 5.3.4 试验三层框架模态识别 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 6.1 本文主要结论 | 第62页 |
| 6.2 前景与展望 | 第62-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72页 |
