| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 船舶动力定位测量系统简介 | 第11-15页 |
| 1.2.1 DGPS位置参考系统 | 第11页 |
| 1.2.2 水声位置参考系统 | 第11-13页 |
| 1.2.3 张紧索参考系统 | 第13页 |
| 1.2.4 艏向测量系统 | 第13-14页 |
| 1.2.5 其他测量系统 | 第14-15页 |
| 1.3 故障诊断国内外研究现状 | 第15-16页 |
| 1.4 传感器故障诊断方法简介 | 第16-17页 |
| 1.5 论文的主要研究内容 | 第17-18页 |
| 第2章 动力定位船数学模型与测量系统数学模型 | 第18-44页 |
| 2.1 引言 | 第18页 |
| 2.2 坐标系的建立 | 第18-20页 |
| 2.2.1 北东坐标系 | 第18-19页 |
| 2.2.2 船体坐标系 | 第19-20页 |
| 2.3 船舶运动数学模型 | 第20-25页 |
| 2.3.1 船舶运动学模型 | 第21-22页 |
| 2.3.2 船舶动力学模型 | 第22-24页 |
| 2.3.3 三自由度动力定位船舶运动数学模型 | 第24-25页 |
| 2.4 环境干扰模型 | 第25-30页 |
| 2.4.1 海风模型 | 第25-28页 |
| 2.4.2 海浪模型 | 第28-29页 |
| 2.4.3 海流模型 | 第29-30页 |
| 2.5 船舶模型仿真验证 | 第30-33页 |
| 2.6 位置参考系统仿真模型建立 | 第33-42页 |
| 2.6.1 DGPS位置参考系统模型 | 第33-35页 |
| 2.6.2 水声位置参考系统模型 | 第35-38页 |
| 2.6.3 张紧索位置参考系统模型 | 第38-42页 |
| 2.7 本章小结 | 第42-44页 |
| 第3章 基于神经网络的测量系统故障诊断 | 第44-73页 |
| 3.1 问题描述 | 第44页 |
| 3.2 传感器测量数据的预处理 | 第44-48页 |
| 3.3 测量系统故障的类型与仿真 | 第48-50页 |
| 3.4 基于神经网络的故障诊断原理和结构 | 第50-53页 |
| 3.4.1 基于神经网络的故障诊断原理 | 第51-52页 |
| 3.4.2 基于神经网络的故障诊断结构 | 第52-53页 |
| 3.5 基于BP神经网络的测量系统预测 | 第53-59页 |
| 3.5.1 BP神经网络基本原理 | 第53-55页 |
| 3.5.2 基于BP神经网络的测量系统输出时间序列预测方法 | 第55-56页 |
| 3.5.3 基于BP神经网络的测量系统预测仿真 | 第56-59页 |
| 3.6 基于RBF神经网络的测量系统预测 | 第59-62页 |
| 3.6.1 RBF神经网络基本原理 | 第59-61页 |
| 3.6.2 基于RBF神经网络的测量系统输出时间序列预测与仿真 | 第61-62页 |
| 3.7 基于自适应线性神经网络的测量系统预测 | 第62-65页 |
| 3.7.1 自适应线性神经网络基本原理 | 第62-64页 |
| 3.7.2 基于自适应线性神经网络的测量系统输出时间序列预测与仿真 | 第64-65页 |
| 3.8 基于神经网络预测器的测量系统故障诊断 | 第65-71页 |
| 3.8.1 三种神经网络预测器的比较 | 第65-67页 |
| 3.8.2 基于RBF神经网络预测器的测量系统故障诊断 | 第67-71页 |
| 3.9 本章小结 | 第71-73页 |
| 第4章 基于支持向量机的测量系统故障诊断 | 第73-97页 |
| 4.1 引言 | 第73页 |
| 4.2 基于支持向量机的测量系统故障诊断 | 第73-86页 |
| 4.2.1 支持向量机分类原理 | 第73-77页 |
| 4.2.2 基于支持向量机的测量系统故障诊断过程 | 第77-80页 |
| 4.2.3 仿真结果 | 第80-86页 |
| 4.3 基于神经网络预测器和支持向量分类器的测量系统故障诊断 | 第86-95页 |
| 4.3.1 诊断方法 | 第86-87页 |
| 4.3.2 诊断过程 | 第87-89页 |
| 4.3.3 仿真结果 | 第89-95页 |
| 4.4 本章小结 | 第95-97页 |
| 结论 | 第97-99页 |
| 参考文献 | 第99-105页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第105-107页 |
| 致谢 | 第107页 |
