摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第11-19页 |
1.1 课题来源 | 第11页 |
1.2 课题研究的背景 | 第11-12页 |
1.3 课题研究的意义及目标 | 第12-13页 |
1.4 高度测量方法的研究现状 | 第13-16页 |
1.4.1 主要的高度测量方法 | 第13-14页 |
1.4.2 测量方法中存在的问题 | 第14-16页 |
1.5 研究方法及章节安排 | 第16-17页 |
1.5.1 研究方法 | 第16页 |
1.5.2 章节安排 | 第16-17页 |
1.6 本章小结 | 第17-19页 |
第二章 GPS定位原理及高程误差分析 | 第19-27页 |
2.1 引言 | 第19页 |
2.2 GPS卫星的瞬时位置计算 | 第19-21页 |
2.2.1 卫星在轨道平面坐标系中位置计算 | 第19-20页 |
2.2.2 卫星在地球坐标系中瞬时位置计算 | 第20-21页 |
2.3 GPS定位测量原理 | 第21-23页 |
2.3.1 伪距测量原理 | 第21-22页 |
2.3.2 系统观测方程的建立 | 第22-23页 |
2.4 GPS高程测量原理及误差分析 | 第23-24页 |
2.5 本章小结 | 第24-27页 |
第三章 气压测高原理及误差分析 | 第27-39页 |
3.1 引言 | 第27页 |
3.2 气压高度计测量原理 | 第27-29页 |
3.2.1 国际标准大气 | 第27页 |
3.2.2 气压高度转换公式 | 第27-29页 |
3.3 气压高度测量原理及误差分析 | 第29-31页 |
3.3.1 气压高度测量原理 | 第29-30页 |
3.3.2 原理性误差分析 | 第30页 |
3.3.3 测量误差分析 | 第30-31页 |
3.4 BP神经网络理论 | 第31-36页 |
3.4.1 BP神经网络简介 | 第31-32页 |
3.4.2 激活函数 | 第32-33页 |
3.4.3 输入样本归一化处理 | 第33页 |
3.4.4 BP神经网络学习算法 | 第33-36页 |
3.5 BP神经网络模型的建立 | 第36-37页 |
3.5.1 隐含层神经元数选取以及初始权值、阈值的设定 | 第36-37页 |
3.5.2 期望误差以及学习率的确定 | 第37页 |
3.6 本章小结 | 第37-39页 |
第四章 组合测高系统数据融合方法研究 | 第39-47页 |
4.1 引言 | 第39页 |
4.2 高度测量系统数据处理方案的选择 | 第39页 |
4.3 数据融合技术 | 第39-43页 |
4.3.1 数据融合技术概述 | 第39-40页 |
4.3.2 离散卡尔曼滤波方程推导 | 第40-43页 |
4.4 基于高处作业平台卡尔曼滤波模型的建立 | 第43-44页 |
4.4.1 高处作业平台施工过程动力学方程的建立 | 第43-44页 |
4.4.2 基于高处作业平台卡尔曼滤波模型的建立 | 第44页 |
4.5 测量数据处理模型的建立 | 第44-46页 |
4.5.1 测量数据处理模型建立的总体方法 | 第44-45页 |
4.5.2 测量数据预处理方法 | 第45-46页 |
4.6 本章小结 | 第46-47页 |
第五章 卡尔曼BP网络误差修正模型的实验验证 | 第47-61页 |
5.1 引言 | 第47页 |
5.2 高处作业平台施工高度测量实验 | 第47-50页 |
5.2.1 实验设备介绍 | 第47-48页 |
5.2.2 实验原理 | 第48-49页 |
5.2.3 实验步骤 | 第49-50页 |
5.3 卡尔曼滤波模型的建立 | 第50-54页 |
5.3.1 模型建立的前期准备 | 第50-53页 |
5.3.2 卡尔曼滤波模型的建立 | 第53-54页 |
5.4 卡尔曼滤波与BP神经网络串联模型 | 第54-58页 |
5.4.1 BP神经网络结构的确定 | 第55-56页 |
5.4.2 BP神经网络的训练和测试 | 第56-58页 |
5.5 实验数据误差修正后的精度分析 | 第58页 |
5.6 本章小结 | 第58-61页 |
第六章 总结与展望 | 第61-63页 |
6.1 全文总结 | 第61-62页 |
6.2 创新点 | 第62页 |
6.3 展望 | 第62-63页 |
参考文献 | 第63-67页 |
作者简介 | 第67页 |
作者在攻读硕士学位期间发表的学术论文 | 第67-69页 |
致谢 | 第69页 |