题目：.基于粒子群算法的系统辨识方法研究与仿真 检索词（关键词）：粒子群
检索工具：中国科技期刊数据库（维普）（1989-至今） 课题分析：根据课题名称及所给的检索词，该课题是基于粒子群算法的系统辨识方法研究与仿真
1.“关键词”检索：
（1）检索式：粒子群算法*系统辨识方法
（2）检索策略：选择“快速检索”的方式，选择“K=关键词”途径以“粒子群*系统辨识”检索。
（3）检索步骤：选择“快速检索”方式，选择“K=关键词”途径以“粒子群”检索，并且选择“K=关键词”途径以“系统辨识”检索。 （4）检索结果：
共检索到36篇，其中一篇如下所示：
【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰
【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识
【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘
Abstract: A new method is studied for system identification based on modified particle swarm optimization （MPSO） algorithm.The basic idea of the method employs a system model composed with claical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization （PSO） algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectivene of this method..
Key words: system identification; modified particle swarm optimization; meta model; combinatorial optimization
2.题名检索：
（1）检索策略：选择“高级检索”方式，选择“T=题名”途径以“粒子群算法”检索，并且选择“T=题名”途径以“系统辨识”检索。 （2）检索结果：
共检索到4篇，其中一篇如下所示：
【 题名 】改进量子粒子群算法及其在系统辨识中的应用
【 作者 】黄宇 韩璞 刘长良 李永玲 【 机构 】中国电机工程学院 【关键词】粒子群算法 系统辨识 【 刊名 】《中国电机工程学报》2011年 第20期
【 摘要 】针对量了粒子群算法（quantumparticleswarmoptimization，QPSO）的收敛速度和寻优精度问题，提出了‘种改进的QPSO算法。采用混沌序列初始化量子的初始角位置；在算法中加入变异处理，有效地增加了种群的多样性，避免早熟收敛。函数优化测试结果表明：该文提出的算法具有良好的优化效果。同时利用该文提出的算法对经典的具有无限冲激响廊（infiniteimpulseresponse，IIR）的自适应递归滤波器模型进行了辨识，辨识结果证明了这种算法的有效性。利用此算法，在结合某分散控制系统的基础上，编制出了一种通用的热工对象模型辨识算法模块，并应用于某循环流化床电厂的辨识，取得了令人满意的辨识结果。
3.“中文摘要”检索：
（1）检索策略：选择“快速检索”方式，选择“R=文摘”途径以“粒子群”检索，选择“R=文摘”途径以“算法”进行二次检索，选择“R=文摘”途径以“系统辨识”进行三次检索 （2）检索结果：
共检索到34篇，其中一篇如下所示。
【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰
【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识
【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘
Abstract: A new method is studied for system identification based on modified particle swarm optimization （MPSO） algorithm.The basic idea of the method employs a system model composed with claical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization （PSO） algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectivene of this method..Key words: system identification; modified particle swarm optimization; meta model; combinatorial optimization
4.“全文”检索：
（1）检索策略：选择“高级检索”方式，选择“U=任意字段”途径以“粒子群”检索，并且选择“U=任意字段”途径以“算法”检索，选择“U=任意字段”途径以“系统辨识”检索
（2）检索结果：
共检索到81篇，其中一篇如下所示：
【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰
【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识
【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘 Abstract: A new method is studied for system identification based on modified particle swarm optimization （MPSO） algorithm.The basic idea of the method employs a system model composed with claical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization （PSO） algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectivene of this method..Key words:
system identification; modified particle swarm optimization; meta model; combinatorial optimization
