摘要 | 第6-8页 |
abstract | 第8-9页 |
第1章 绪论 | 第13-29页 |
1.1 课题研究的背景和意义 | 第13-14页 |
1.2 动力定位船相关技术发展 | 第14-26页 |
1.2.1 船舶动力定位技术发展 | 第14-16页 |
1.2.2 位置传感器测量单元 | 第16-20页 |
1.2.3 状态估计及融合理论技术发展 | 第20-24页 |
1.2.4 船舶非线性状态估计及融合技术发展 | 第24-26页 |
1.3 课题的主要研究内容和组织框架 | 第26-29页 |
第2章 DP船非线性状态模型和测量模型 | 第29-51页 |
2.1 引言 | 第29页 |
2.2 船舶位置坐标系统 | 第29-31页 |
2.2.1 北东地坐标系 | 第29-30页 |
2.2.2 船体坐标系 | 第30-31页 |
2.3 无干扰的DP船三自由度连续时间状态模型和测量模型 | 第31-34页 |
2.3.1 船舶三自由度运动学模型 | 第31-32页 |
2.3.2 船舶三自由度动力学模型 | 第32-34页 |
2.3.3 船舶测量模型 | 第34页 |
2.4 具有干扰的DP船离散时间状态模型和测量模型 | 第34-42页 |
2.4.1 问题描述 | 第34-35页 |
2.4.2 加性互相关噪声下船舶三自由度非线性模型 | 第35-38页 |
2.4.3 加性互相关噪声下船舶单自由度线性模型 | 第38-39页 |
2.4.4 乘性噪声下船舶三自由度非线性模型 | 第39-41页 |
2.4.5 随机测量丢失下船舶测量模型 | 第41-42页 |
2.5 模型仿真验证 | 第42-50页 |
2.5.1 无干扰下的DP船模型仿真验证 | 第43-46页 |
2.5.2 具有干扰的DP船特性仿真验证 | 第46-48页 |
2.5.3 互相关噪声特性仿真验证 | 第48-49页 |
2.5.4 测量丢失特性的仿真验证 | 第49-50页 |
2.6 本章小结 | 第50-51页 |
第3章 加性互相关噪声下DP船非线性状态估计方法研究 | 第51-73页 |
3.1 引言 | 第51页 |
3.2 高斯白噪声下DP船艏向状态估计方法 | 第51-52页 |
3.2.1 问题描述 | 第51-52页 |
3.2.2 高斯白噪声下线性卡尔曼滤波算法 | 第52页 |
3.3 加性互相关噪声下DP船艏向状态估计方法 | 第52-59页 |
3.3.1 问题描述 | 第52-53页 |
3.3.2 加性互相关噪声下线性卡尔曼滤波算法 | 第53-56页 |
3.3.3 加性互相关噪声下DP船艏向状态估计仿真验证 | 第56-59页 |
3.4 高斯白噪声下非线性状态估计方法 | 第59-61页 |
3.4.1 问题描述 | 第59-60页 |
3.4.2 高斯白噪声下贝叶斯估计算法 | 第60-61页 |
3.5 加性互相关噪声下DP船非线性状态估计方法 | 第61-72页 |
3.5.1 问题描述 | 第61-62页 |
3.5.2 加性互相关噪声下贝叶斯估计算法 | 第62-63页 |
3.5.3 加性互相关噪声下容积卡尔曼滤波算法 | 第63-68页 |
3.5.4 加性互相关噪声下DP船非线性状态估计仿真验证 | 第68-72页 |
3.6 本章小结 | 第72-73页 |
第4章 参数不确定下DP船非线性状态估计方法研究 | 第73-107页 |
4.1 引言 | 第73页 |
4.2 扩展平滑变结构滤波 | 第73-78页 |
4.2.1 问题描述 | 第73-74页 |
4.2.2 模型参数不确定下扩展平滑变结构滤波算法 | 第74-77页 |
4.2.3 稳定性分析 | 第77-78页 |
4.3 模型参数不确定下DP船非线性状态估计方法 | 第78-85页 |
4.3.1 问题描述 | 第78页 |
4.3.2 模型参数不确定下容积平滑变结构滤波算法 | 第78-80页 |
4.3.3 模型参数不确定下平方根容积平滑变结构滤波算法 | 第80-81页 |
4.3.4 模型参数不确定下DP船非线性状态估计仿真验证 | 第81-85页 |
4.4 加性测量噪声统计特性未知下DP船非线性状态估计方法 | 第85-95页 |
4.4.1 问题描述 | 第85页 |
4.4.2 噪声统计特性未知下线性VB-AKF算法 | 第85-87页 |
4.4.3 噪声统计特性未知下非线性VB-VSF算法 | 第87-89页 |
4.4.4 加性测量噪声统计特性未知下DP船非线性状态估计仿真验证 | 第89-95页 |
4.5 测量随机丢失及有色噪声下DP船非线性状态估计方法 | 第95-106页 |
4.5.1 问题描述 | 第95-97页 |
4.5.2 测量丢失下高斯滤波算法 | 第97-100页 |
4.5.3 测量丢失下容积混合卡尔曼滤波算法 | 第100-102页 |
4.5.4 测量随机丢失及有色噪声下DP船非线性状态估计仿真验证 | 第102-106页 |
4.6 本章小结 | 第106-107页 |
第5章 乘性噪声下DP船非线性状态估计及融合方法研究 | 第107-125页 |
5.1 引言 | 第107页 |
5.2 支持向量机原理 | 第107-109页 |
5.3 乘性噪声下DP船非线性状态估计方法 | 第109-112页 |
5.3.1 问题描述 | 第109-110页 |
5.3.2 乘性噪声下变结构滤波算法 | 第110-112页 |
5.3.3 稳定性分析 | 第112页 |
5.4 乘性噪声下DP船多传感器融合方法 | 第112-115页 |
5.4.1 问题描述 | 第112-113页 |
5.4.2 子支持向量机模型 | 第113-114页 |
5.4.3 基于多支持向量机回归模型的数据融合算法 | 第114-115页 |
5.5 乘性噪声下DP船非线性状态估计及融合仿真验证 | 第115-124页 |
5.6 本章小结 | 第124-125页 |
结论 | 第125-128页 |
参考文献 | 第128-137页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第137-138页 |
致谢 | 第138页 |