| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-29页 |
| ·课题背景 | 第16-19页 |
| ·课题相关研究进展 | 第19-26页 |
| ·船舶操纵性预报研究进展 | 第19-22页 |
| ·船舶操纵运动建模研究进展 | 第22-26页 |
| ·本论文研究的目的和意义 | 第26-27页 |
| ·本论文的主要工作和创新 | 第27-29页 |
| 第二章 船舶操纵运动数学模型 | 第29-41页 |
| ·整体型数学模型 | 第29-34页 |
| ·Abkowitz 模型 | 第29-32页 |
| ·修正的Abkowitz 模型 | 第32-34页 |
| ·分离型数学模型 | 第34-38页 |
| ·船体粘性类流体动力计算模型 | 第34-36页 |
| ·桨力计算模型 | 第36-38页 |
| ·舵力计算模型 | 第38页 |
| ·响应型数学模型 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 现有的应用于船舶操纵运动建模的系统辨识方法 | 第41-53页 |
| ·基于最小二乘方法的系统辨识 | 第42-45页 |
| ·Gauss-Newton 算法 | 第42-45页 |
| ·岭回归算法 | 第45页 |
| ·基于Kalman 滤波技术的系统辨识 | 第45-48页 |
| ·扩展Kalman 滤波法 | 第46-47页 |
| ·极大似然法 | 第47页 |
| ·回归预报误差法 | 第47-48页 |
| ·基于人工神经网络的系统辨识 | 第48-50页 |
| ·基于频域谱分析方法的系统辨识 | 第50-51页 |
| ·本章小节 | 第51-53页 |
| 第四章 基于支持向量机的系统辨识 | 第53-67页 |
| ·支持向量机方法简介 | 第53-54页 |
| ·回归型支持向量机 | 第54-62页 |
| ·标准型支持向量机 | 第54-59页 |
| ·最小二乘支持向量机 | 第59-62页 |
| ·应用于参数辨识的支持向量机结构 | 第62-64页 |
| ·最小二乘支持向量机模型的修正 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 基于支持向量机的船舶操纵运动机理建模-仿真验证 | 第67-85页 |
| ·线性水动力模型验证 | 第67-69页 |
| ·Abkowitz 模型验证 | 第69-77页 |
| ·样本构造与分析 | 第70-73页 |
| ·参数辨识 | 第73-75页 |
| ·泛化性验证 | 第75-77页 |
| ·参数可辨识性 | 第77-81页 |
| ·参数可辨识性的机理 | 第77-78页 |
| ·附加质量的理论计算和试验比较 | 第78-81页 |
| ·系数灵敏度分析 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 基于支持向量机的船舶操纵运动机理建模-试验验证 | 第85-118页 |
| ·结合某船自航模试验的支持向量机辨识 | 第85-102页 |
| ·试验数据预处理 | 第85-86页 |
| ·采用响应模型的支持向量机辨识和操纵运动预报 | 第86-93页 |
| ·泛化性验证 | 第93-94页 |
| ·四种响应模型结构的比较和参数辨识结果分析 | 第94-97页 |
| ·采用响应模型的支持向量机方法同传统系统辨识方法的比较 | 第97-102页 |
| ·同岭回归法的比较 | 第98页 |
| ·同扩展Kalman 滤波法的比较 | 第98-102页 |
| ·结合KVLCC 自航模试验的支持向量机辨识 | 第102-117页 |
| ·KVLCC 船型和试验条件 | 第102-103页 |
| ·试验数据预处理 | 第103-104页 |
| ·采用响应模型的支持向量机辨识和操纵运动预报 | 第104-110页 |
| ·采用Abkowitz 模型的支持向量机辨识和操纵运动预报 | 第110-115页 |
| ·Abkowitz 模型的简化 | 第110-113页 |
| ·支持向量机辨识和操纵运动预报 | 第113-115页 |
| ·采用Abkowitz 模型的支持向量机方法同传统系统辨识方法的比较 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第七章 操纵运动机理建模中的多重共线性和参数漂移 | 第118-139页 |
| ·线性水动力导数参数漂移的机理和试验验证 | 第118-122页 |
| ·非线性水动力导数的参数漂移 | 第122-125页 |
| ·减小参数漂移的措施 | 第125-138页 |
| ·主成分分析法 | 第126-127页 |
| ·附加激励法 | 第127-131页 |
| ·差分法 | 第131-138页 |
| ·本章小结 | 第138-139页 |
| 第八章 基于支持向量机的船舶操纵运动黑箱建模 | 第139-156页 |
| ·基于支持向量机的船舶操纵水动力预报 | 第139-145页 |
| ·基于支持向量机的船舶操纵性能预报 | 第145-147页 |
| ·支持向量机方法与人工神经网络方法的比较 | 第147-151页 |
| ·基于支持向量机的数据滤波与平滑 | 第151-152页 |
| ·基于支持向量机的样本重构 | 第152-154页 |
| ·本章小结 | 第154-156页 |
| 第九章 基于支持向量机的约束模斜拖试验分析 | 第156-166页 |
| ·斜拖运动水动力数学模型 | 第158-159页 |
| ·采用Taylor 展开式模型的支持向量机辨识和预报 | 第159-161页 |
| ·参数辨识 | 第159-160页 |
| ·不同航速和不同漂角情况下的横向力和转首力矩预报 | 第160-161页 |
| ·采用贵岛模型的支持向量机辨识和预报 | 第161-163页 |
| ·参数辨识 | 第161-162页 |
| ·不同航速和不同漂角情况下的横向力和转首力矩预报 | 第162-163页 |
| ·采用乌野模型的支持向量机辨识和预报 | 第163-165页 |
| ·参数辨识 | 第163-164页 |
| ·不同航速和不同漂角情况下的横向力和转首力矩预报 | 第164-165页 |
| ·本章小结 | 第165-166页 |
| 第十章 研究总结与展望 | 第166-168页 |
| ·全文总结 | 第166-167页 |
| ·研究展望 | 第167-168页 |
| 参考文献 | 第168-178页 |
| 攻读博士学位期间主持与参加的科研项目 | 第178-179页 |
| 攻读博士学位期间发表与录用的论文 | 第179-180页 |
| 致谢 | 第180页 |
