| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·国内外研究现状及发展趋势 | 第13-14页 |
| ·本文的主要研究内容 | 第14页 |
| ·本文的内容安排 | 第14-16页 |
| 第2章 炮塔传感器智能化的实现方法及研究平台的开发 | 第16-38页 |
| ·炮塔传感器智能化的意义 | 第16-18页 |
| ·传统传感器在炮塔中的存在形式和所起的作用 | 第16-17页 |
| ·智能传感系统在炮塔中的存在形式和所起的作用 | 第17-18页 |
| ·基于IEEE1451 标准的智能传感器模型 | 第18-21页 |
| ·炮塔传感器智能化的实现方法 | 第21-27页 |
| ·传感器的数字化 | 第21页 |
| ·数据采集与处理 | 第21-22页 |
| ·电子数据表格（TEDS） | 第22-23页 |
| ·故障感知与诊断 | 第23-25页 |
| ·硬件抗干扰措施 | 第25-27页 |
| ·研究平台的开发 | 第27-37页 |
| ·数据采集及处理子系统的硬件电路 | 第27-30页 |
| ·传感器介绍 | 第30页 |
| ·自整角机/旋转变压器数字转换器的工作原理 | 第30-33页 |
| ·系统软件设计 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于遗传神经网络自整角机的非线性校正 | 第38-54页 |
| ·自整角机的工作原理 | 第38-40页 |
| ·自整角机的定义 | 第38-39页 |
| ·自整角机工作原理 | 第39-40页 |
| ·神经网络的传感器非线性校正原理 | 第40-45页 |
| ·人工神经网络概述 | 第40-44页 |
| ·神经网络的传感器非线性校正原理 | 第44-45页 |
| ·遗传算法基本原理 | 第45-49页 |
| ·遗传算法基本概念 | 第45-46页 |
| ·基本遗传算法 | 第46-49页 |
| ·遗传神经网络的算法及其实现 | 第49-50页 |
| ·实例仿真 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于分批估计的温度传感器信息融合 | 第54-65页 |
| ·信息融合的概述 | 第54-59页 |
| ·信息融合的定义 | 第54-55页 |
| ·信息融合的功能模型 | 第55-57页 |
| ·信息融合的基本原理 | 第57-58页 |
| ·信息融合分类 | 第58-59页 |
| ·系统组成 | 第59页 |
| ·基于多传感器分批估计的数据融合 | 第59-63页 |
| ·分布图法剔除疏失误差 | 第60-61页 |
| ·数据融合的方法 | 第61-63页 |
| ·温度测量数据融合试验 | 第63页 |
| ·试验结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 基于旋转变压器智能化系统的智能滤波算法 | 第65-78页 |
| ·旋转变压器工作原理 | 第65-67页 |
| ·数字滤波算法 | 第67-73页 |
| ·数字滤波算法简介 | 第67-68页 |
| ·数字滤波常用算法及实现函数 | 第68-73页 |
| ·智能数字滤波算法 | 第73-77页 |
| ·智能滤波算法的实现 | 第73-76页 |
| ·实例仿真 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |