嵌入式飞行数据传感系统及其神经网络算法的研究
| 第一章 绪论 | 第1-14页 |
| ·研究背景 | 第11-12页 |
| ·研究内容 | 第12-14页 |
| 第二章 嵌入式飞行数据传感系统 | 第14-65页 |
| ·FADS 系统简介 | 第14-17页 |
| ·FADS 系统的结构设计 | 第14-16页 |
| ·FADS 系统的空气动力学模型 | 第16-17页 |
| ·实验数据来源 | 第17页 |
| ·数学模型的建立 | 第17-29页 |
| ·一点算法 | 第18-22页 |
| ·三点算法 | 第22-26页 |
| ·十五点算法 | 第26-29页 |
| ·迎角的求解 | 第29-34页 |
| ·侧滑角的求解 | 第34-40页 |
| ·三个压力点都位于横轴上的求解方法 | 第35-36页 |
| ·两点位于横轴上时的求解方法 | 第36-40页 |
| ·动静压的计算 | 第40-50页 |
| ·求解算法 | 第40-43页 |
| ·误差分析 | 第43-49页 |
| ·边界问题 | 第49-50页 |
| ·系统容错能力和降级处理能力 | 第50-58页 |
| ·十四个点中有一个测压点损坏时的容错能力 | 第50-56页 |
| ·十四个点中有两个测压点损坏时的容错情况 | 第56-58页 |
| ·算法稳定性分析 | 第58-64页 |
| ·理论分析 | 第58-61页 |
| ·仿真实验 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第三章 人工神经网络简介 | 第65-74页 |
| ·基本原理 | 第66页 |
| ·基于BP 算法的多层前馈网络模型 | 第66-68页 |
| ·BP 学习算法 | 第68-69页 |
| ·BP 算法的信号流向 | 第69-70页 |
| ·BP 算法的编程步骤 | 第70-71页 |
| ·隐含层层数与隐含层神经元的数量 | 第71-72页 |
| ·学习参数 | 第72-73页 |
| ·维数比率与推广能力 | 第73-74页 |
| 第四章 基于神经网络的FADS 系统的设计 | 第74-94页 |
| ·迎角的求解 | 第74-79页 |
| ·特征以及网络结构的选择 | 第74-75页 |
| ·训练样本的处理 | 第75-76页 |
| ·训练集和测试集 | 第76页 |
| ·网络初始化 | 第76页 |
| ·网络的训练 | 第76-78页 |
| ·结论 | 第78-79页 |
| ·动静压的求解 | 第79-92页 |
| ·训练数据的产生 | 第79-81页 |
| ·训练数据的划分 | 第81-83页 |
| ·网络模型的选择 | 第83-85页 |
| ·BP 网络快速学习算法 | 第85-87页 |
| ·BP 网络的性能 | 第87-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 总结与展望 | 第94-100页 |
| ·全文工作总结 | 第94-95页 |
| ·关于故障诊断与信号恢复的思考 | 第95-98页 |
| ·基于迎角和侧滑角的故障诊断与信号恢复 | 第95-96页 |
| ·基于动静压的故障诊断与信号恢复 | 第96-98页 |
| ·基于神经网络的FADS 系统总体设计方案的设想 | 第98-100页 |
| 参考文献 | 第100-102页 |
| 致谢 | 第102-103页 |
| 攻读硕士学位期间发表的论文 | 第103-104页 |
| 附录一 附图 | 第104-109页 |
| 附录二 附表 | 第109-111页 |
| 附录三 程序 | 第111-115页 |
| 附录四 动压、静压、马赫数、迎角、侧滑角计算结果 | 第115-117页 |
