| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 POD推进器的研究现状 | 第11页 |
| 1.3 船舶操纵数学模型与智能控制的研究现状 | 第11-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 第2章 POD推进船舶操纵数学模型 | 第15-30页 |
| 2.1 POD推进船舶操纵数学模型 | 第15-18页 |
| 2.1.1 船舶运动坐标系 | 第15-16页 |
| 2.1.2 船舶运动方程的建立 | 第16-18页 |
| 2.1.3 船舶运动参数的无量纲化 | 第18页 |
| 2.2 船体流体动力和力矩 | 第18-23页 |
| 2.2.1 惯性类流体动力及力矩 | 第19页 |
| 2.2.2 粘性类流体动力及力矩的计算 | 第19-23页 |
| 2.3 POD产生的力和力矩 | 第23-27页 |
| 2.3.1 伴流系数和推力减额系数的计算 | 第23-25页 |
| 2.3.2 POD推力矢量模型 | 第25-27页 |
| 2.4 作用于船体的环境干扰力相力矩 | 第27-29页 |
| 2.4.1 风的数学模型 | 第27-28页 |
| 2.4.2 浪的数学模型 | 第28-29页 |
| 2.4.3 流的干扰数学模型 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 POD推进船舶运动仿真及操纵性研究 | 第30-39页 |
| 3.1 船舶操纵性理论 | 第30-31页 |
| 3.2 POD推进船舶操纵数学模型的仿真实现 | 第31-34页 |
| 3.2.1 旋回实验 | 第31-33页 |
| 3.2.2 Z形实验 | 第33-34页 |
| 3.3 仿真结果分析 | 第34-38页 |
| 3.3.1 模型准确性分析 | 第34-36页 |
| 3.3.2 POD推进船舶操纵性能分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 POD推进船舶智能PID航向控制器研究 | 第39-49页 |
| 4.1 POD推进船舶航向控制问题概述 | 第39-41页 |
| 4.2 一种变参数PID控制器 | 第41-42页 |
| 4.2.1 变参数PID控制器的结构 | 第41页 |
| 4.2.2 变参数PID控制器的增益计算 | 第41-42页 |
| 4.3 基于RBF神经网络整定的PID控制 | 第42-45页 |
| 4.3.1 RBF神经网络的结构 | 第42-43页 |
| 4.3.2 被控对象Jacobian信息的辨识算法 | 第43-44页 |
| 4.3.3 RBF网络PID整定原理 | 第44-45页 |
| 4.4 POD推进船舶智能PID航向控制仿真 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 POD推进船舶神经网络自抗扰航向智能控制 | 第49-60页 |
| 5.1 自抗扰控制及其在航向控制上的应用 | 第49-54页 |
| 5.1.1 自抗扰控制简介 | 第49页 |
| 5.1.2 自抗扰控制器的结构 | 第49-52页 |
| 5.1.3 自抗扰控制器在航向控制上的应用 | 第52-54页 |
| 5.2 神经网络自抗扰控制器设计 | 第54-59页 |
| 5.2.1 神经网络自抗扰控制器结构 | 第54-55页 |
| 5.2.2 神经网络自抗扰控制器在航向控制上的应用 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望与不足 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间公开发表论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |