文摘
英文文摘
第1章 绪论
1.1 课题来源及意义
1.2 粒子群优化算法研究进展
1.2.1 理论研究进展
1.2.2 应用研究进展
1.3 船舶水动力参数辨识的研究进展
1.4 本文的研究内容
第2章 粒子群优化算法及其理论基础
2.1 群智能算法简介
2.2 粒子群优化算法产生背景
2.3 粒子群优化算法原理
2.3.1 原始粒子群优化算法
2.3.2 标准粒子群优化算法
2.3.3 带收缩因子的粒子群优化算法
2.4 粒子群优化算法的流程
2.5 粒子群优化算法的拓扑结构
2.5.1 拓扑结构概述
2.5.2 不同拓扑结构的测试
2.5.3 实验结果分析
2.6 本章小结
第3章 粒子群优化算法参数选取策略研究
3.1 引言
3.2 参数选取策略分析
3.3 粒子群优化算法收敛性分析
3.4 各参数对算法影响的分析
3.4.1 群体规模m对算法性能的影响
3.4.2 惯性权重w对算法性能的影响
3.4.3 学习因子c1、c2对算法性能的影响
3.4.4 最大速度vMax对算法性能的影响
3.5 参数优化算法设计
3.5.1 参数优化算法设计思想
3.5.2 适应值评价函数的设计
3.5.3 参数优化算法实现过程
3.6 参数优化算法仿真分析
3.6.1 参数优化算法仿真
3.6.2 性能对比试验
3.7 本章小结
第4章 粒子群优化算法的改进
4.1 引言
4.2 粒子群优化算法的改进策略
4.3 基于进化策略的改进粒子群优化算法
4.3.1 算法的基本思想
4.3.2 算法设计
4.3.3 算法性能实验
4.3.4 EPSO算法在复杂系统辨识中的应用
4.4 基于分阶段粒子群优化算法
4.4.1 算法的提出
4.4.2 算法设计
4.4.3 数值仿真与比较
4.5 本章小结
第5章 基于进化粒子群优化算法的船舶纵向运动参数辨识
5.1 引言
5.2 船舶纵向运动建模
5.2.1 纵向运动微分方程的建立
5.2.2 纵向运动离散状态空间模型
5.3 基于粒子群优化算法的船舶纵向运动参数辨识算法设计
5.3.1 辨识输入参数设计
5.3.2 数据预处理
5.3.3 辨识方法设计
5.3.4 辨识参数搜索区域的确定
5.4 仿真结果及分析
5.4.1 静水时纵向运动参数辨识
5.4.2 海浪扰动下纵向运动参数辨识
5.4.3 算法性能评估
5.5 本章小结
第6章 基于分阶段粒子群优化算法的船舶横向运动参数辨识
6.1 引言
6.2 船舶横向运动建模
6.2.1 横向运动微分方程的建立
6.2.1 横向运动离散状态空间模型
6.3 基于分阶段粒子群优化算法的船舶横向运动参数辨识算法设计
6.3.1 输入参数设计
6.3.2 输出模型的建立
6.3.3 船舶横向运动参数敏感性分析
6.3.4 辨识方法设计
6.3.5 辨识参数搜索区域的确定
6.4 仿真结果及分析
6.4.1 无噪声干扰下参数辨识结果
6.4.2 有噪声干扰下参数辨识结果
6.4.3 性能对比实验.
6.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文和取得的科研成果
致谢