导读:本文包含了参数估计粒子群优化论文开题报告文献综述及选题提纲参考文献，主要关键词:水下目标,被动定位,参数估计,粒子群优化
参数估计粒子群优化论文文献综述
官善政,陈韶华,陈川[1]（2018）在《基于粒子群优化算法的目标运动参数估计》一文中研究指出粒子群优化算法具有易于实现、可并行计算、收敛速度快且全局收敛等优点,文中结合水下目标被动跟踪定位系统对目标运动参数估计的实时性和精确性需求,提出了一种利用目标方位信息和多普勒频移信息估计目标运动参数的方法。该方法通过测量目标的方位角变化和多普勒频移,基于最小均方误差(MMSE)准则建立参数估计方程,并依靠粒子群优化(PSO)算法确定一组可使均方误差函数最小的运动参数,实现对目标实时位置、航速、正横距离的精确估计。仿真结果表明,与扩展卡尔曼滤波(EKF)算法对比,在相同参数估计精度条件下,粒子群优化算法能更快收敛;对于小正横、高航速目标,该算法能够在目标过正横前准确给出目标正横通过距离的预报,并在目标过正横后提供较高的跟踪精度。文中工作可为水下目标被动跟踪和运动参数精确估计提供参考。(本文来源于《水下无人系统学报》期刊2018年05期）
石建平,李培生,刘国平,刘鹏[2]（2018）在《基于改进粒子群优化算法的混沌系统参数估计》一文中研究指出提出了一种改进的粒子群优化算法用于解决混沌系统的参数估计问题,从粒子种群的初始化、惯性权重调整策略、差分变异进化、粒子位置与飞行速度的越界处理、局部变尺度深度搜索5个方面对标准粒子群算法进行综合改进,合理有效平衡了算法的全局探索能力与局部开发能力.基准函数测试表明了该算法的全局搜索能力、可靠性及搜索速度都有很大改善,有效克服了标准粒子群算法的早熟收敛现象.以Lorenz混沌系统为例进行仿真实验,结果验证了所提方法的有效性.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年09期）
闫涛,刘凤娴,陈斌[3]（2018）在《基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计》一文中研究指出为了对分数阶超混沌系统中的未知参数进行准确估计,提出一种量子混沌粒子群优化算法(Quantum chaos particle swarm optimization,QCPSO).该算法通过对量子粒子群优化算法(Quantum behaved particle swarm optimization,QPSO)的实现机理进行分析,并结合量子纠缠与混沌系统之间的相关性而实现.首先,将量子势阱中心视为混沌吸引子围绕的不动点,处于吸引子外部的粒子会逐渐聚集于吸引子之内,而处于吸引子内部的粒子会出现快速分离扩散的现象;然后,采用基于随机映射的粒子更新机制,充分保证混沌粒子的初值多样性;最后,提出了基于不动点中心的尺度自适应策略,解决了算法后期的搜索停滞问题.运用QCPSO算法对典型分数阶超混沌系统参数进行估计,结果表明,该算法在收敛速度与精度上优于改进的差分进化算法、自适应人工蜂群算法以及改进的量子粒子群优化算法.(本文来源于《电子学报》期刊2018年02期）
吴章平,刘本永[4]（2016）在《基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计》一文中研究指出针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。(本文来源于《计算机应用》期刊2016年04期）
袁帆[5]（2015）在《估计含水层参数的粒子群优化算法》一文中研究指出以第一类越流系统情况下的非稳定井流问题的解析解为基础,将抽水试验数据用粒子群优化算法来分析,估计含水层参数。数值试验结果表明:粒子群优化算法可以有效地应用于分析抽水试验数据,确定含水层参数。具有运算速度快和计算精度高等优点。(本文来源于《科教导刊(中旬刊)》期刊2015年10期）
杨陈东,常安定,康瑞龙,王静云[6]（2015）在《进化粒子群优化算法及其在各向异性含水层参数估计中的应用》一文中研究指出在粒子群算法的基础上,引入进化思想和组群思想提出一种新的智能优化算法——进化粒子群算法(EPSO)。基于抽水试验数据,将EPSO算法应用到各向异性含水层参数估计中,对算法性能进行研究并与其他算法进行了对比,发现标准粒子群算法及其一般改进算法已不能有效求解各向异性含水层参数,而EPSO算法进行多次计算后,1)结果可靠;2)目标函数值及待估参数稳定;3)对初始范围的鲁棒性好。结果表明EPSO算法对各向异性含水层参数估计问题具有可靠性、收敛性和鲁棒性,可望应用到更广泛的参数识别问题中。(本文来源于《计算机应用》期刊2015年S1期）
黄宇,刘玉峰,彭志敏,丁艳军[7]（2015）在《基于量子并行粒子群优化算法的分数阶混沌系统参数估计》一文中研究指出分数阶混沌系统参数估计的本质是多维参数优化问题,其对于实现分数阶混沌控制与同步至关重要.提出一种基于量子并行特性的粒子群优化新算法,用于解决分数阶混沌的系统参数估计问题.利用量子计算的并行特性,设计出了一种新的量子编码,使每代运算的可计算次数呈指数增加.在此基础上,构建了由量子当前旋转角、个体最优旋转角和全局最优旋转角共同组成的粒子演化方程,以约束粒子在量子空间中的运动行为,使算法的搜索能力得到了较大提高.以分数阶Lorenz混沌系统和分数阶Chen混沌系统的参数估计为例,进行了未知参数估计的数值仿真,结果显示本算法具有良好的有效性、鲁棒性和通用性.(本文来源于《物理学报》期刊2015年03期）
项宇,马晓军,刘春光,可荣硕,赵梓旭[8]（2014）在《基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计》一文中研究指出为解决锂电池荷电状态(SOC)难以精确估计的问题,提出了基于改进的粒子群优化扩展卡尔曼滤波(IPSO-EKF)算法预测电池SOC。为减小参数非线性特性影响,重新构建了EKF算法电池状态空间方程,以辨识出的电池模型参数为基础,获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵,解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题,进一步提高SOC的估计精度。计算结果表明:IPSO-EKF算法能够精确地辨识电池模型参数和SOC值,并能够很好地修正状态变量初始误差。(本文来源于《兵工学报》期刊2014年10期）
燕振刚,胡贺年,李广[9]（2014）在《基于粒子群优化算法的Richards模型参数估计和算法有效性》一文中研究指出针对Richards模型参数估计较为困难的实际问题,提出将Richards模型的参数估计问题转化为一个多维无约束函数优化问题。结合谷氨酸菌体的实际生长浓度数据,在Matlab 2012b环境中,利用粒子群优化(PSO)算法建立适应度函数,在最小线性二乘意义下估计Richards模型中的4个参数,并建立了拟合的生长曲线和最优值变化曲线。为进一步验证算法有效性,将PSO算法与该模型传统参数估计法中的四点法和遗传算法(GA)进行了比较,以相关指数和剩余标准差作为评价指标。结果表明,PSO算法对Richards模型的拟合效果良好,对模型的参数估计有着很好的适用性。(本文来源于《计算机应用》期刊2014年10期）
王亚[10]（2014）在《一类改进的粒子群优化算法对混沌系统未知参数的估计》一文中研究指出估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题。将混沌系统未知参数的估计转化为优化问题,并用粒子群优化算法估计混沌系统的未知参数成为当前的研究热点。粒子群优化算法因程序实现异常简洁,需要调整的参数少,被广泛用于许多优化问题。但是,在具体问题中仍存在着很多缺点,该算法在寻找最优解的过程中容易出现早熟现象,从而导致收敛速度慢及收敛精度不高。针对该算法的不足本文给出了四种改进方案并将它们用于混沌系统未知参数的估计：1、通过改进粒子群优化算法中的惯性权重、学习因子及引入压缩因子,本文提出了叁种改进的自适应粒子群优化算法：具有异步学习因子的自适应粒子群优化算法、具有压缩因子的自适应粒子群优化算法、同时具有压缩因子和异步学习因子的自适应粒子群优化算法。另外,还将它们分别用于估计Lu系统和Lorenz系统的未知参数。2、通过引入漂移算子及改进粒子群优化算法中的学习因子,提出了具有异步学习因子的漂移粒子群优化算法,同时还将该算法用于Chen系统的未知参数的估计。仿真结果表明,与传统粒子群优化算法相比四种改进的算法在估计混沌系统未知参数时均具有更快收敛速度及更高的收敛精度。(本文来源于《北京交通大学》期刊2014-06-01）
参数估计粒子群优化论文开题报告
（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：
提出了一种改进的粒子群优化算法用于解决混沌系统的参数估计问题,从粒子种群的初始化、惯性权重调整策略、差分变异进化、粒子位置与飞行速度的越界处理、局部变尺度深度搜索5个方面对标准粒子群算法进行综合改进,合理有效平衡了算法的全局探索能力与局部开发能力.基准函数测试表明了该算法的全局搜索能力、可靠性及搜索速度都有很大改善,有效克服了标准粒子群算法的早熟收敛现象.以Lorenz混沌系统为例进行仿真实验,结果验证了所提方法的有效性.
（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。
参数估计粒子群优化论文参考文献
[1].官善政,陈韶华,陈川.基于粒子群优化算法的目标运动参数估计[J].水下无人系统学报.2018
[2].石建平,李培生,刘国平,刘鹏.基于改进粒子群优化算法的混沌系统参数估计[J].华中科技大学学报(自然科学版).2018
[3].闫涛,刘凤娴,陈斌.基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计[J].电子学报.2018
[4].吴章平,刘本永.基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计[J].计算机应用.2016
[5].袁帆.估计含水层参数的粒子群优化算法[J].科教导刊(中旬刊).2015
[6].杨陈东,常安定,康瑞龙,王静云.进化粒子群优化算法及其在各向异性含水层参数估计中的应用[J].计算机应用.2015
[7].黄宇,刘玉峰,彭志敏,丁艳军.基于量子并行粒子群优化算法的分数阶混沌系统参数估计[J].物理学报.2015
[8].项宇,马晓军,刘春光,可荣硕,赵梓旭.基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计[J].兵工学报.2014
[9].燕振刚,胡贺年,李广.基于粒子群优化算法的Richards模型参数估计和算法有效性[J].计算机应用.2014
[10].王亚.一类改进的粒子群优化算法对混沌系统未知参数的估计[D].北京交通大学.2014