基于BP神经网络的船型式浮标异动原因识别研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究对象与异动概念简介 | 第9页 |
| 1.2 课题研究背景 | 第9-10页 |
| 1.3 课题研究意义 | 第10-12页 |
| 1.4 国内外研究现状 | 第12-13页 |
| 1.4.1 BP神经网络的国内外应用现状 | 第12-13页 |
| 1.4.2 浮标异动问题的国内外研究现状 | 第13页 |
| 1.5 论文主要研究内容 | 第13-14页 |
| 1.6 论文框架结构 | 第14-15页 |
| 1.7 本章小结 | 第15-17页 |
| 2 浮标异动原因与三轴加速度对应变化关系研究 | 第17-51页 |
| 2.1 浮标受力分析 | 第17-22页 |
| 2.1.1 浮标受水流摩擦阻力影响 | 第17-18页 |
| 2.1.2 浮标兴波阻力影响 | 第18页 |
| 2.1.3 浮标波浪力影响 | 第18-19页 |
| 2.1.4 浮标受风力影响 | 第19-20页 |
| 2.1.5 浮标水面坡降力影响 | 第20页 |
| 2.1.6 浮标总体受力计算 | 第20-22页 |
| 2.2 浮标常见异动情况与加速度关系 | 第22-25页 |
| 2.3 浮标异动实验 | 第25-30页 |
| 2.3.1 异动实验说明 | 第25-26页 |
| 2.3.2 数据采集装置的安装位置选择 | 第26-27页 |
| 2.3.3 浮标异动产生方法 | 第27-30页 |
| 2.4 数据处理及特征加速度选择 | 第30-49页 |
| 2.4.1 去噪处理 | 第30-31页 |
| 2.4.2 基于实验的异动加速度变化规律研究 | 第31-39页 |
| 2.4.3 特征加速度波形选择 | 第39-43页 |
| 2.4.4 特征波形分析与关系函数的提出 | 第43-49页 |
| 2.5 本章小结 | 第49-51页 |
| 3 浮标加速度远程采集装置设计 | 第51-63页 |
| 3.1 数据传输方式 | 第51页 |
| 3.2 装置功能要求 | 第51-52页 |
| 3.3 装置功能与对应实现方式 | 第52页 |
| 3.4 装置元器件选择 | 第52-59页 |
| 3.4.1 浮标工作环境限制 | 第52-53页 |
| 3.4.2 装置元器件选型 | 第53-59页 |
| 3.5 单片机重要初始化 | 第59页 |
| 3.6 采集效果 | 第59-61页 |
| 3.7 本章小结 | 第61-63页 |
| 4 浮标异动识别人工神经网络模型的选择与仿真 | 第63-87页 |
| 4.1 人工神经网络简介 | 第63页 |
| 4.2 运用人工神经网络识别的优势 | 第63页 |
| 4.3 神经网络的原理与分类对比 | 第63-69页 |
| 4.3.1 人工神经元原理 | 第63-64页 |
| 4.3.2 激活函数的类型与选择 | 第64-67页 |
| 4.3.3 人工神经网络结构 | 第67-69页 |
| 4.3.4 神经网络的学习方式 | 第69页 |
| 4.4 浮标异动神经网络的选择 | 第69-70页 |
| 4.5 BP神经网络拓扑结构与学习算法 | 第70-73页 |
| 4.6 BP网络的局限与改进 | 第73-75页 |
| 4.7 BP神经网络建模步骤流程 | 第75-76页 |
| 4.8 隐藏层层数的选择 | 第76页 |
| 4.9 神经网络各层节点数确定 | 第76-79页 |
| 4.9.1 输入层节点确定 | 第76页 |
| 4.9.2 输出层节点确定 | 第76-77页 |
| 4.9.3 隐层节点数选择 | 第77-79页 |
| 4.10 神经网络初始权值的选择 | 第79页 |
| 4.11 学习率的选择 | 第79页 |
| 4.12 误差的选择 | 第79-80页 |
| 4.13 输入的归一化处理 | 第80页 |
| 4.14 判别区间的选择 | 第80页 |
| 4.15 BP神经网络算法对比与讨论 | 第80-85页 |
| 4.16 本章小结 | 第85-87页 |
| 5 结论与展望 | 第87-89页 |
| 5.1 结论 | 第87页 |
| 5.2 展望 | 第87-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 附录 | 第95页 |
| A.作者在攻读学位期间参与的科研项目 | 第95页 |
| B.作者在攻读学位期间参与的专利编写 | 第95页 |
