| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 目录 | 第12-16页 |
| 第一章 绪论 | 第16-27页 |
| ·研究背景以及研究目的和意义 | 第16-18页 |
| ·相关研究进展 | 第18-25页 |
| ·船舶操纵性预报研究进展 | 第18-21页 |
| ·基于系统辨识的船舶操纵运动建模研究进展 | 第21-25页 |
| ·本论文的主要工作和创新 | 第25-27页 |
| 第二章 船舶操纵运动数学模型 | 第27-34页 |
| ·船舶操纵运动坐标系 | 第27-28页 |
| ·整体型数学模型 | 第28-30页 |
| ·分离型数学模型 | 第30-32页 |
| ·响应型数学模型 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 船舶操纵性试验 | 第34-40页 |
| ·船舶操纵自航模试验 | 第34-37页 |
| ·船舶操纵约束模试验 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 支持向量机 | 第40-56页 |
| ·支持向量机简介 | 第40-41页 |
| ·支持向量回归机 | 第41-51页 |
| ·线性支持向量回归机 | 第43-48页 |
| ·核函数 | 第48-49页 |
| ·ε-支持向量回归机 | 第49-51页 |
| ·不同损失函数下的支持向量回归机 | 第51-53页 |
| ·基于支持向量回归机的系统辨识方法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 小波分析方法应用于船舶操纵性试验数据预处理 | 第56-90页 |
| ·小波分析简介 | 第56-71页 |
| ·多分辨分析 | 第60-64页 |
| ·小波变换 | 第64-66页 |
| ·小波分解与重构算法 | 第66-71页 |
| ·小波分析在信号消噪方面的应用 | 第71-75页 |
| ·小波消噪方法简介 | 第71-72页 |
| ·基本消噪模型 | 第72-75页 |
| ·小波函数 | 第75-78页 |
| ·Haar 小波 | 第75-76页 |
| ·Daubechies 小波 | 第76-77页 |
| ·Coiflet 小波族 | 第77-78页 |
| ·小波分析应用于自航模 Z 形试验数据的消噪 | 第78-87页 |
| ·基于 db4 小波的 Z 形试验数据消噪 | 第79-83页 |
| ·基于 Haar 小波和 coif1 小波的 Z 形试验数据消噪 | 第83-87页 |
| ·小波分析方法有效性验证 | 第87-89页 |
| ·基于含噪 Z 形试验数据分析的辨识建模 | 第87-88页 |
| ·基于经过消噪处理的 Z 形试验数据分析的辨识建模 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 基于船舶操纵自航模试验分析的辨识建模-仿真验证 | 第90-112页 |
| ·SVM 应用于响应模型辨识建模 | 第90-96页 |
| ·样本对构造 | 第90-91页 |
| ·辨识建模结果 | 第91-94页 |
| ·不敏感因子ε对辨识建模的影响 | 第94-96页 |
| ·SVM 应用于 Abkowitz 模型辨识建模 | 第96-110页 |
| ·样本对构造 | 第97-100页 |
| ·模型变量之间的多重共线性分析 | 第100-102页 |
| ·辨识建模中参数漂移现象的抑制 | 第102-105页 |
| ·模型建模结果 | 第105-108页 |
| ·回归模型的泛化性验证 | 第108-110页 |
| ·本章小结 | 第110-112页 |
| 第七章 基于船舶操纵约束模试验分析的辨识建模-试验验证 | 第112-125页 |
| ·样本对构造 | 第112-116页 |
| ·用于斜拖试验分析的样本对构造 | 第112-114页 |
| ·用于纯横荡试验分析的样本对构造 | 第114-116页 |
| ·线性相关性分析 | 第116-119页 |
| ·辨识建模结果 | 第119-123页 |
| ·基于斜拖试验分析的辨识建模结果 | 第119-121页 |
| ·基于纯横荡试验分析的辨识建模结果 | 第121-123页 |
| ·本章小结 | 第123-125页 |
| 第八章 Abkowitz 模型中的非线性函数关系辨识 | 第125-142页 |
| ·切比雪夫神经网络简介 | 第125-130页 |
| ·切比雪夫神经网络模型 | 第126-128页 |
| ·权值更新公式 | 第128-129页 |
| ·切比雪夫神经网络训练算法 | 第129-130页 |
| ·样本对构造 | 第130-131页 |
| ·切比雪夫神经网络应用于非线性函数关系辨识 | 第131-134页 |
| ·切比雪夫神经网络结构参数设置 | 第131-132页 |
| ·泛化性验证 | 第132-134页 |
| ·BP 神经网络应用于非线性函数关系辨识 | 第134-137页 |
| ·BP 神经网络结构参数设置 | 第135页 |
| ·泛化性验证 | 第135-137页 |
| ·SVM 应用于非线性函数关系辨识 | 第137-141页 |
| ·核函数结构参数 | 第137-138页 |
| ·泛化性验证 | 第138-141页 |
| ·本章小结 | 第141-142页 |
| 第九章 研究总结与展望 | 第142-146页 |
| ·全文总结 | 第142-144页 |
| ·研究展望 | 第144-146页 |
| 参考文献 | 第146-154页 |
| 攻读博士学位期间参加的科研项目 | 第154-155页 |
| 攻读博士学位期间撰写的论文与开发的软件 | 第155-156页 |
| 致谢 | 第156-158页 |
