基于混合遗传算法的船舶减横摇模糊神经网络控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·国内外相关情况 | 第11-14页 |
| ·智能控制发展概况 | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| 第2章 船舶运动数学模型 | 第16-47页 |
| ·切片理论 | 第16-19页 |
| ·发展史 | 第16页 |
| ·基本理论 | 第16-19页 |
| ·不规则波的理论基础 | 第19-28页 |
| ·不规则波的表达方法 | 第19-20页 |
| ·不规则波的统计特性 | 第20-22页 |
| ·风浪谱密度 | 第22-28页 |
| ·船舶运动状态描述 | 第28-46页 |
| ·船舶运动方程 | 第30-34页 |
| ·刘易斯剖面法 | 第34-36页 |
| ·水动力系数分析 | 第36-38页 |
| ·基于海浪成形滤波器对海浪的仿真 | 第38-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 模糊系统基本概念 | 第47-55页 |
| ·模糊数学的概念 | 第47页 |
| ·模糊控制的发展和应用 | 第47-48页 |
| ·模糊控制的特点 | 第48页 |
| ·模糊逻辑 | 第48-51页 |
| ·模糊控制基本原理 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 神经网络概念及算法 | 第55-66页 |
| ·神经网络的概念 | 第55页 |
| ·神经网络理论的发展概况 | 第55-57页 |
| ·神经网络的特征 | 第57-58页 |
| ·神经元模型 | 第58-59页 |
| ·神经网络的结构 | 第59-61页 |
| ·神经网络的学习方式 | 第61页 |
| ·模糊神经网络 | 第61-65页 |
| ·模糊神经网络概念 | 第61-62页 |
| ·模糊系统和神经网络的融合 | 第62-63页 |
| ·标准型的模糊神经网络 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 遗传算法 | 第66-84页 |
| ·遗传算法简介 | 第66-71页 |
| ·遗传算法概要 | 第66-70页 |
| ·基本遗传算法的定义 | 第70页 |
| ·遗传算法的特点 | 第70-71页 |
| ·遗传算法的基本实现技术 | 第71-77页 |
| ·编码方法 | 第71页 |
| ·选择算子 | 第71-73页 |
| ·交叉算子 | 第73-74页 |
| ·变异算子 | 第74-76页 |
| ·适应度函数 | 第76-77页 |
| ·基于遗传算法的船舶减横摇控制仿真与分析 | 第77-83页 |
| ·本章小结 | 第83-84页 |
| 第6章 模拟退火算法 | 第84-94页 |
| ·Metropolis准则 | 第84-85页 |
| ·模拟退火算法概述 | 第85-86页 |
| ·模拟退火算法的构成要素 | 第86-87页 |
| ·模拟退火算法的实现步骤 | 第87-89页 |
| ·基于模拟退火算法的船舶减横摇控制仿真与分析 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第7章 遗传模拟退火算法 | 第94-101页 |
| ·GASA混合优化策略的构造出发点 | 第94-95页 |
| ·GASA算法的实现步骤 | 第95页 |
| ·GASA混合优化策略的效率定性分析 | 第95-97页 |
| ·基于GASA的船舶减横摇控制仿真与分析 | 第97-100页 |
| ·本章小结 | 第100-101页 |
| 结论 | 第101-103页 |
| 参考文献 | 第103-106页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第106-107页 |
| 致谢 | 第107页 |
