基于神经网络的激光陀螺温度误差建模与分析
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10-11页 |
| ·激光陀螺仪的发展现状及面临的问题 | 第11-13页 |
| ·引言 | 第11页 |
| ·国外激光陀螺的发展 | 第11-12页 |
| ·国内激光陀螺的发展 | 第12页 |
| ·激光陀螺的发展前景与面临的问题 | 第12-13页 |
| ·激光陀螺误差建模的相关技术 | 第13-15页 |
| ·激光陀螺误差建模 | 第13-14页 |
| ·激光陀螺温度误差补偿的常用方法 | 第14-15页 |
| ·本文的研究内容及结构 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·本文结构 | 第16-17页 |
| 第2章 激光陀螺的原理及相关理论 | 第17-28页 |
| ·引言 | 第17页 |
| ·激光陀螺的工作原理 | 第17-19页 |
| ·激光陀螺的基本误差 | 第19-21页 |
| ·零偏误差 | 第19-20页 |
| ·标度因数误差 | 第20页 |
| ·闭锁效应 | 第20-21页 |
| ·温度对激光陀螺误差的影响 | 第21页 |
| ·激光陀螺性能测试 | 第21-25页 |
| ·标度因数测试 | 第22-24页 |
| ·零偏相关测试 | 第24-25页 |
| ·温度误差的数学模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 神经网络辨识的基本原理 | 第28-42页 |
| ·引言 | 第28-29页 |
| ·系统辨识原理 | 第29-31页 |
| ·系统辨识基本原理 | 第29-30页 |
| ·误差准则 | 第30页 |
| ·辨识精度 | 第30-31页 |
| ·辨识的主要步骤 | 第31页 |
| ·神经网络模型结构 | 第31-34页 |
| ·生物神经元功能 | 第31页 |
| ·单输入神经元 | 第31-32页 |
| ·神经元中的作用函数 | 第32-33页 |
| ·MP 模型 | 第33-34页 |
| ·Hebb 学习规则 | 第34页 |
| ·BP 网络与RBF 网络的结构 | 第34-41页 |
| ·BP 网络 | 第34-38页 |
| ·径向基函数网络 | 第38-40页 |
| ·网络分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于神经网络的温度误差模型 | 第42-67页 |
| ·模型原理说明 | 第42-43页 |
| ·数据预处理 | 第43-47页 |
| ·原始数据的选择 | 第43-44页 |
| ·网络输出角速度数据的处理 | 第44-45页 |
| ·数据的平滑处理 | 第45-47页 |
| ·温度变化率及梯度的处理 | 第47页 |
| ·基于BP 网络的误差建模 | 第47-55页 |
| ·网络设计 | 第48-49页 |
| ·网络训练 | 第49-53页 |
| ·仿真结果 | 第53-55页 |
| ·基于径向基网络的误差建模 | 第55-61页 |
| ·网络设计 | 第55页 |
| ·网络训练 | 第55-58页 |
| ·散布常数的选择与网络测试 | 第58-59页 |
| ·仿真结果 | 第59-61页 |
| ·BP 网络与径向基网络分析比较 | 第61-62页 |
| ·原始数据建模 | 第61页 |
| ·网络设计 | 第61页 |
| ·训练学习 | 第61-62页 |
| ·训练过程 | 第62页 |
| ·补偿结果 | 第62页 |
| ·神经网络的图形用户界面（GUI） | 第62-65页 |
| ·GUI 简介 | 第62-63页 |
| ·BP 网络的GUI 实现 | 第63-64页 |
| ·GUI 的BP 网络训练 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第5章 温度误差的数学模型与神经网络模型比较 | 第67-71页 |
| ·引言 | 第67页 |
| ·温度误差的数学模型 | 第67-68页 |
| ·数学模型与神经网络模型比较 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |
