小波神经网络算法及其船舶运动控制应用研究
| 创新点摘要 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究的目的与意义 | 第11-12页 |
| ·相关领域研究现状 | 第12-22页 |
| ·波理论的发展综述 | 第12-15页 |
| ·小波神经网络研究综述 | 第15-21页 |
| ·船舶运动智能控制研究综述 | 第21-22页 |
| ·论文结构安排 | 第22-24页 |
| 第2章 波神经网络原理与算法 | 第24-36页 |
| ·小波分析 | 第24-28页 |
| ·小波变换 | 第24-28页 |
| ·小波神经网络 | 第28-36页 |
| ·前馈神经网络 | 第28-29页 |
| ·小波神经网络简介 | 第29-31页 |
| ·小波神经网络结构 | 第31-33页 |
| ·小波神经网络的学习算法 | 第33-34页 |
| ·小波神经网络的发展及存在的问题 | 第34-36页 |
| 第3章 基于AIC准则的余值选择算法 | 第36-60页 |
| ·余值选择算法 | 第36-42页 |
| ·基于AIC最优停止准则的余值选择算法 | 第42-44页 |
| ·基于AIC余值选择算法的船舶运动预测 | 第44-59页 |
| ·基于AIC余值选择算法的船舶运动预测模型 | 第44-46页 |
| ·基于实验数据的船舶运动预测仿真 | 第46-49页 |
| ·基于实船运动数据的船舶运动预测仿真 | 第49-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 基于灵敏度分析的时滞小波神经网络 | 第60-78页 |
| ·时滞小波神经网络 | 第60-62页 |
| ·NARMAX预测模型 | 第60-61页 |
| ·时滞小波神经网络的结构 | 第61-62页 |
| ·基于灵敏度分析的时滞小波神经网络学习算法 | 第62-66页 |
| ·时滞小波神经网络的学习算法 | 第62-63页 |
| ·基于灵敏度分析的小波网络输入确定 | 第63-66页 |
| ·基于灵敏度分析的船舶运动预测 | 第66-77页 |
| ·Mariner型船运动预测仿真 | 第66-70页 |
| ·基于实测数据的船舶运动预测仿真 | 第70-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 基于改进小波神经网络的船舶运动预测控制 | 第78-104页 |
| ·船舶运动数学模型 | 第78-87页 |
| ·船舶运动坐标系 | 第78-80页 |
| ·船舶运动响应型数学模型 | 第80-81页 |
| ·船舶运动整体型数学模型 | 第81-84页 |
| ·船舶运动分离型数学模型 | 第84-85页 |
| ·环境干扰的数学模型 | 第85-87页 |
| ·基于小波神经网络的船舶运动预测PID控制算法 | 第87-91页 |
| ·基于小波神经网络的船舶运动预测PID控制器结构 | 第87-90页 |
| ·基于小波神经网络的船舶运动预测PID控制算法 | 第90-91页 |
| ·基于小波神经网络的船舶运动预测PID控制仿真 | 第91-103页 |
| ·本章小结 | 第103-104页 |
| 第6章 结论 | 第104-105页 |
| ·全文总结 | 第104页 |
| ·工作展望 | 第104-105页 |
| 参考文献 | 第105-118页 |
| 攻读学位期间公开发表论文 | 第118-119页 |
| 致谢 | 第119-120页 |
| 研究生履历 | 第120页 |
