| 创新点摘要 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 术语表 | 第15-16页 |
| 第1章 绪论 | 第16-32页 |
| 1.1 研究背景及来源 | 第16-18页 |
| 1.2 研究意义 | 第18-19页 |
| 1.2.1 理论意义 | 第18页 |
| 1.2.2 工程意义 | 第18-19页 |
| 1.3 航海模拟器船舶操纵运动数学模型研究进展 | 第19-20页 |
| 1.4 船舶操纵运动辨识建模研究进展 | 第20-25页 |
| 1.4.1 传统灰箱辨识建模研究进展 | 第20-21页 |
| 1.4.2 智能灰箱辨识建模研究进展 | 第21-23页 |
| 1.4.3 黑箱辨识建模研究进展 | 第23-25页 |
| 1.5 LWL算法研究进展 | 第25-27页 |
| 1.5.1 LWL算法理论研究进展 | 第25-27页 |
| 1.5.2 LWL算法应用研究进展 | 第27页 |
| 1.6 LWL船舶操纵运动建模的优点与难点 | 第27-29页 |
| 1.7 论文的主要工作和内容 | 第29-32页 |
| 第2章 船舶操纵运动辨识建模基础 | 第32-53页 |
| 2.1 基本概念 | 第32-33页 |
| 2.2 船舶操纵运动试验设计 | 第33-34页 |
| 2.3 试验数据处理 | 第34-36页 |
| 2.4 研究对象 | 第36-42页 |
| 2.4.1 Mariner轮整体型数学模型 | 第36-38页 |
| 2.4.2 Delta Linda拖轮模型简介 | 第38-40页 |
| 2.4.3 育鲲轮简介 | 第40-42页 |
| 2.5 经典辨识算法介绍 | 第42-45页 |
| 2.5.1 最小二乘辨识算法 | 第42-43页 |
| 2.5.2 岭回归算法 | 第43页 |
| 2.5.3 BP神经网络算法 | 第43-45页 |
| 2.6 LWL辨识算法 | 第45-52页 |
| 2.6.1 LWL算法定义 | 第46页 |
| 2.6.2 距离 | 第46-47页 |
| 2.6.3 高斯核函数 | 第47-49页 |
| 2.6.4 目标函数 | 第49页 |
| 2.6.5 交叉验证 | 第49-50页 |
| 2.6.6 LWL算法 | 第50-52页 |
| 2.7 本章小结 | 第52-53页 |
| 第3章 基于局部加权学习的辨识建模方法 | 第53-74页 |
| 3.1 问题描述及解决方法 | 第53-55页 |
| 3.2 基于全局最优LWL的辨识建模 | 第55-63页 |
| 3.2.1 全局最优LWL算法 | 第55-56页 |
| 3.2.2 数值算例仿真 | 第56-58页 |
| 3.2.3 Delta Linda拖轮试验数据 | 第58-59页 |
| 3.2.4 Delta Linda拖轮仿真研究 | 第59-63页 |
| 3.3 基于局部最优LWL的辨识建模 | 第63-73页 |
| 3.3.1 局部最优LWL算法 | 第64-65页 |
| 3.3.2 数值算例仿真 | 第65页 |
| 3.3.3 Mariner轮试验数据 | 第65-66页 |
| 3.3.4 Mariner轮仿真研究 | 第66-73页 |
| 3.4 本章小结 | 第73-74页 |
| 第4章 基于改进遗传寻优局部加权学习的船舶操纵运动辨识建模 | 第74-91页 |
| 4.1 距离测度研究现状 | 第74-75页 |
| 4.2 遗传算法概述 | 第75-76页 |
| 4.3 一种改进的适应度函数 | 第76-79页 |
| 4.3.1 问题描述 | 第76页 |
| 4.3.2 现有适应度函数分析 | 第76-78页 |
| 4.3.3 改进适应度函数 | 第78-79页 |
| 4.4 改进遗传算法及性能分析 | 第79-85页 |
| 4.4.1 改进遗传算法步骤 | 第79-82页 |
| 4.4.2 改进遗传算法性能分析 | 第82-85页 |
| 4.5 改进遗传寻优LWL辨识建模仿真研究 | 第85-89页 |
| 4.5.1 数值算例仿真 | 第85-86页 |
| 4.5.2 育鲲轮实船数据仿真 | 第86-89页 |
| 4.6 本章小结 | 第89-91页 |
| 第5章 基于多新息梯度迭代局部加权学习的船舶操纵运动辨识建模 | 第91-110页 |
| 5.1 问题描述 | 第91-92页 |
| 5.2 多新息梯度迭代算法 | 第92-97页 |
| 5.3 多新息梯度迭代算法收敛性能分析 | 第97-100页 |
| 5.4 Mariner轮仿真对比分析 | 第100-106页 |
| 5.4.1 多新息梯度迭代LWL辨识建模仿真结果 | 第100-105页 |
| 5.4.2 多新息梯度迭代LWL仿真结果分析 | 第105-106页 |
| 5.5 多新息梯度迭代LWL育鲲轮辨识建模仿真 | 第106-109页 |
| 5.6 本章小结 | 第109-110页 |
| 第6章 基于网格索引构建子空间局部加权学习的船舶操纵运动辨识建模 | 第110-126页 |
| 6.1 基于LWL算法的船舶运动数学模型建模步骤 | 第110-111页 |
| 6.2 航海模拟器船舶运动数学模型实时性 | 第111-112页 |
| 6.3 LWL算法计算复杂度研究现状 | 第112-114页 |
| 6.4 LWL算法计算复杂度分析 | 第114-115页 |
| 6.5 网格索引构建子空间算法 | 第115-117页 |
| 6.6 网格索引构建子空间LWL仿真研究 | 第117-125页 |
| 6.6.1 网格划分讨论 | 第117-118页 |
| 6.6.2 Mariner轮仿真建模 | 第118-125页 |
| 6.7 本章小结 | 第125-126页 |
| 第7章 结论与展望 | 第126-130页 |
| 7.1 结论 | 第126-128页 |
| 7.2 展望 | 第128-130页 |
| 参考文献 | 第130-144页 |
| 附录 主要符号 | 第144-146页 |
| 攻读学位期间公开发表论文 | 第146-148页 |
| 攻读学位期间其他研究成果 | 第148-149页 |
| 攻读学位期间参加的科研项目 | 第149-150页 |
| 致谢 | 第150-153页 |
| 作者简介 | 第153页 |
