一、A NEW SOLUTION MODEL OF NONLINEAR DYNAMIC LEAST SQUARE ADJUSTMENT（论文文献综述）
刘璐[1]（2019）在《群智能优化算法研究及其在复杂非线性系统辨识中的应用》文中指出群智能优化算法来源于对自然界中动物和昆虫觅食行为的模仿,具有自组织、自学习等能力以及结构简单、易于实现等优点,在解决复杂非线性系统辨识问题中展现了自身的优势。本文对群智能优化算法进行了深入研究,从算法改进、性能评估、比较分析展开了一系列工作,并将其应用于复杂非线性系统的参数辨识和控制器参数整定中,主要工作如下所示:（1）提出了一种改进的粒子群优化算法,实现了具有分数阶特性的Cole阻抗模型参数辨识从三个方面改进了粒子群优化算法:首先,对算法的速度更新策略进行了改进,充分利用个体间的信息交互,提高了算法搜索能力;然后,为了防止极端值的出现,避免算法陷入局部收敛,采用改进的Tent映射对粒子位置信息进行处理;接着,借鉴遗传算法变异的思想,设计了一种分段式变异概率算子,保持了种群的多样性。采用标准函数对所提算法的性能进行了测试,验证了该算法的有效性。将改进算法应用于双色散Cole阻抗模型的参数辨识中,实验结果表明,所提算法是一种有效的、精度高的参数辨识方法。（2）提出了一种改进的多策略量子菌群算法,解决了分数阶已知系统结构和未知系统结构情形下的系统辨识问题对量子菌群算法做了深入研究,提出了以下三种改进策略:在初始化阶段,为了避免解始终保持不变,提出了最优旋转角修正概率的概念;引入概率幅修正算子,丰富了种群多样性;设计了一种指数式变化的非线性量子旋转角,能够使旋转角自适应连续地更新,提高了算法的全局搜索能力。采用标准函数对所提算法的性能进行了测试,测试结果表明,该改进算法能够以相对较快的收敛速度取得较好的寻优精度。为了进一步验证该算法的有效性,将所提算法用于分数阶系统的参数辨识。系统结构已知和未知两种情况下仿真结果均表明,改进的量子菌群算法在有效辨识系统结构参数的同时,还能保持较快的收敛速度。（3）提出一种改进的细菌觅食优化算法,实现了伺服系统整数阶PID控制器的参数整定为了提高经典细菌觅食优化算法处理复杂问题的能力,对算法的三个基本操作分别进行了改进,提出了一种新的细菌觅食优化算法。在趋向操作中,设计了一种非线性变化的自适应趋向步长,有效地平衡了全局搜索能力和局部搜索能力;对复制操作进行了改进,提高了算法的全局搜索能力,同时,引入的变异操作弥补了复制操作带来的种群多样性缺失;改进的迁徙概率提高了算法的搜索效率。在基准函数上的测试结果验证了改进算法的有效性。在Matlab/Simulink中对三闭环伺服系统进行了建模,利用所提算法实现了伺服系统位置环整数阶PID控制器的参数整定,整定结果表明,所提算法在解决伺服系统整数阶PID控制器参数整定问题上具有较为明显的优势。（4）提出了一种非线性自适应旋转角的量子菌群算法,实现了伺服系统分数阶PID控制器的参数整定在传统量子菌群算法的基础上,对量子趋向操作进行了改进,设计了一种非线性动态自适应旋转角,加快了算法的收敛速度,提高了算法寻优效率。对算法的收敛性进行了分析,基准函数的性能测试验证了改进算法的有效性。将所提算法用于伺服控制系统位置环分数阶PID控制器的参数整定中,整定结果表明,该算法能有效地对分数阶PID控制器参数进行整定。（5）针对永磁同步电机定子绕组短路故障问题,提出了一种基于参数辨识的电机故障诊断方法。研究了参数辨识在电机故障诊断中的应用,对量子菌群算法做了进一步优化,设计了一种新的基于量子菌群算法的参数辨识算法,提出了一种有效的电机早期故障诊断方法,为及时发现故障提供了切实可行的方案。在所提出的参数辨识策略中,编码方式由二进制变为十进制,提高了算法效率;为了保证算法的可行性,在算法更新阶段提出了最优旋转角修正概率的概念;对量子旋转角的优化设计也改善了算法的全局搜索能力。经典测试函数验证了所提算法的有效性。基于量子菌群参数辨识方法的PMSM定子绕组短路故障诊断结果,以及基于有限元方法的电机定子绕组短路故障分析均表明,不仅可以通过PMSM电气参数的相对变化来检测相关的定子绕组故障,还可以从参数幅值的变化中看出故障的严重程度。
二、A NEW SOLUTION MODEL OF NONLINEAR DYNAMIC LEAST SQUARE ADJUSTMENT（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A NEW SOLUTION MODEL OF NONLINEAR DYNAMIC LEAST SQUARE ADJUSTMENT（论文提纲范文）
（1）群智能优化算法研究及其在复杂非线性系统辨识中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 群智能优化算法概述 |
| 1.2.1 粒子群优化算法 |
| 1.2.2 细菌觅食优化算法 |
| 1.2.3 量子菌群优化算法 |
| 1.3 系统辨识研究概况 |
| 1.3.1 系统辨识问题研究概况 |
| 1.3.2 分数阶系统辨识研究现状 |
| 1.3.3 PMSM参数辨识研究现状 |
| 1.4 论文的主要内容及章节安排 |
| 2 改进PSO算法及其在Cole阻抗模型参数辨识中的应用 |
| 2.1 改进的PSO算法 |
| 2.1.1 基于位置信息均值的速度更新策略 |
| 2.1.2 改进的Tent映射 |
| 2.1.3 分段变异概率 |
| 2.1.4 算法描述 |
| 2.2 改进PSO算法的的性能测试 |
| 2.2.1 测试函数 |
| 2.2.2 参数选取 |
| 2.2.3 算法精度比较 |
| 2.2.4 t-test测试比较 |
| 2.3 MPSO算法在双色散Cole阻抗模型参数辨识中的应用 |
| 2.3.1 双色散Cole阻抗模型 |
| 2.3.2 双色散Cole阻抗模型幅值响应 |
| 2.3.3 仿真数据集 |
| 2.3.4 仿真结果及分析 |
| 2.4 本章小结 |
| 3 改进的多策略QBFO算法及其在分数阶参数辨识中的应用 |
| 3.1 多策略QBFO算法 |
| 3.1.1 初始化更新 |
| 3.1.2 概率幅修正因子 |
| 3.1.3 旋转角修正 |
| 3.1.4 收敛性分析 |
| 3.2 多策略QBFO算法的性能测试 |
| 3.2.1 初始旋转角取值分析 |
| 3.2.2 算法精度比较 |
| 3.2.3 t-test测试比较 |
| 3.3 IQBFO算法在分数阶系统参数辨识中的应用 |
| 3.3.1 分数阶微积分定义 |
| 3.3.2 分数阶系统 |
| 3.3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 4 改进细菌觅食算法及其在整数阶控制器参数整定中的应用 |
| 4.1 改进的细菌觅食优化算法 |
| 4.1.1 非线性自适应步长 |
| 4.1.2 改进的复制操作 |
| 4.1.3 改进的迁徙概率 |
| 4.1.4 BFO算法流程 |
| 4.2 改进细菌觅食算法的性能测试 |
| 4.2.1 与派生算法的性能比较 |
| 4.2.2 与典型群智能算法的性能对比 |
| 4.3 IBFO算法在伺服系统PID控制器参数整定中的应用 |
| 4.3.1 伺服系统建模 |
| 4.3.2 IBFO算法在伺服系统位置环PID控制器参数整定中的应用 |
| 4.4 本章小结 |
| 5 NAQBFO算法及其在分数阶控制器参数整定中的应用 |
| 5.1 非线性动态自适应旋转角的量子菌群算法 |
| 5.2 改进量子菌群算法的性能测试 |
| 5.2.1 线性参数取值分析 |
| 5.2.2 非线性调制指数对优化结果的影响 |
| 5.2.3 算法性能测试 |
| 5.3 NAQBFO算法在分数阶PID控制器参数整定中的应用 |
| 5.3.1 NAQBFO在伺服系统控制器参数整定中的应用 |
| 5.3.2 仿真结果与分析 |
| 5.4 本章小结 |
| 6 改进QBFO算法在PMSM定子绕组短路故障诊断中的初步研究 |
| 6.1 改进的量子菌群算法 |
| 6.1.1 单基因实数编码 |
| 6.1.2 最优旋转角修正概率 |
| 6.1.3 概率幅修正算子 |
| 6.1.4 改进的量子旋转角 |
| 6.2 MQBFO算法的性能测试 |
| 6.2.1 参数取值分析 |
| 6.2.2 初始旋转角对优化结果的影响 |
| 6.2.3 与其它算法的性能对比 |
| 6.3 改进QBFO算法在PMSM定子绕组短路故障诊断中的应用 |
| 6.3.1 参数估计器设计 |
| 6.3.2 非故障状态下的算法验证 |
| 6.3.3 基于参数估计器的故障诊断 |
| 6.4 基于有限元方法实验的PMSM定子绕组短路故障诊断分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、A NEW SOLUTION MODEL OF NONLINEAR DYNAMIC LEAST SQUARE ADJUSTMENT（论文参考文献）
- [1]群智能优化算法研究及其在复杂非线性系统辨识中的应用[D]. 刘璐. 南京理工大学, 2019(01)