非線性hammerstein模型的辨識【畢業(yè)論文】_第1頁
已閱讀1頁，還剩48頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、本科畢業(yè)設(shè)計本科畢業(yè)設(shè)計（2020屆）屆）非線性Hammerstein模型的辨識所在學院專業(yè)班級電氣工程及其自動化學生姓名學號指導(dǎo)教師職稱完成日期年月目錄目錄.............................................................................................................................................

2、...................21前言................................................................................................................................................................31.1選題背景.............................

3、.................................................................................................................31.2Hammerstein模型研究現(xiàn)狀......................................................................................

4、..........................41.3粒子群優(yōu)化算法PSO算法................................................................................................................51.4Matlabsimulink簡介..............................................

5、............................................................................51.5本章小結(jié)........................................................................................................................................

6、.....62Hammerstein模型......................................................................................................................................72.1Hammerstein模型的分析..............................................

7、.......................................................................72.2Hammerstein模型的應(yīng)用....................................................................................................................82.2.1伺服系統(tǒng)中的H

8、ammerstein非線性模型...............................................................................82.2.2MAF傳感器的Hammerstein模型的表示............................................................................112.3本章小結(jié)............

9、................................................................................................................................123最小二乘和粒子群優(yōu)化算法.............................................................................

10、..........................................143.1最小二乘法........................................................................................................................................143.1.1最小二乘估計算法.................

11、................................................................................................143.1.2遞推最小二乘算法.............................................................................................................

12、....153.2.1基本PSO原理.......................................................................................................................173.2.2.PSO算的些特點...................................................................

13、..................................................193.3PSO算法的改進................................................................................................................................193.3.1慣性權(quán)重法.................

14、............................................................................................................203.3.2帶收縮因子的PSO算法..............................................................................................

15、..........213.3.3模糊自適應(yīng)慣性權(quán)重............................................................................................................213.3.4快速收斂PSO算法......................................................................

16、.........................................223.4PSO算法的應(yīng)用...............................................................................................................................254Hammerstein模型參數(shù)辨識...................

17、......................................................................................................274.1基于MATLAB軟件建立Hammerstein模型及其參數(shù)設(shè)置.........................................................274.2遞推最小二乘算法辨識..........

18、..........................................................................................................284.3粒子群優(yōu)化算法辨識....................................................................................................

19、....................294.3.1傳統(tǒng)PSO優(yōu)化算法辨識........................................................................................................294.3.2改進的PSO算法辨識.............................................................

20、...............................................305Matlab仿真實驗..........................................................................................................................................335.1概述...............

21、.....................................................................................................................................335.2不同噪信比下的最小二乘和PSO算法的辨識比較............................................................

22、...........345.3混合PSO算法和傳統(tǒng)PSO算法的收斂性比較..............................................................................396總結(jié)....................................................................................................

23、..........................................................42參考文獻..........................................................................................................................................................43

24、致謝.....................................................................................................................................錯誤錯誤!未定義書簽。未定義書簽。附錄..................................................................

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論