| 论文创新点 | 第6-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究动态 | 第16-28页 |
| 1.2.1 船舶激光通信研究概述 | 第16-19页 |
| 1.2.2 智能算法研究概述 | 第19-24页 |
| 1.2.3 液晶光束偏转技术研究概述 | 第24-28页 |
| 1.3 本论文主要研究内容与章节安排 | 第28-31页 |
| 第2章 遗传算法与神经网络 | 第31-51页 |
| 2.1 引言 | 第31页 |
| 2.2 遗传算法 | 第31-37页 |
| 2.2.1 染色体编码 | 第31-32页 |
| 2.2.2 选择 | 第32页 |
| 2.2.3 遗传算子 | 第32-36页 |
| 2.2.4 遗传算法步骤 | 第36-37页 |
| 2.3 神经网络控制算法 | 第37-50页 |
| 2.3.1 PID控制算法 | 第37-39页 |
| 2.3.2 单神经元 | 第39-42页 |
| 2.3.3 BP神经网络 | 第42-45页 |
| 2.3.4 RBF神经网络 | 第45-48页 |
| 2.3.5 网络学习算法 | 第48-50页 |
| 2.4 本章小结 | 第50-51页 |
| 第3章 智能光电跟瞄技术 | 第51-79页 |
| 3.1 引言 | 第51-52页 |
| 3.2 光电跟瞄系统模型 | 第52-57页 |
| 3.2.1 线性模型 | 第53-54页 |
| 3.2.2 非线性模型 | 第54-57页 |
| 3.3 基于非线性阻碍力矩和遗传算法的模型辨识 | 第57-66页 |
| 3.3.1 非线性阻碍力矩 | 第57-58页 |
| 3.3.2 模型辨识遗传算法设计 | 第58-62页 |
| 3.3.3 模型辨识实验及数据分析 | 第62-66页 |
| 3.4 带非线性补偿的神经网络智能控制策略 | 第66-76页 |
| 3.4.1 算法分析 | 第66-69页 |
| 3.4.2 目标跟踪实验及数据分析 | 第69-76页 |
| 3.5 本章小结 | 第76-79页 |
| 第4章 船载激光跟瞄与通信实验 | 第79-101页 |
| 4.1 引言 | 第79页 |
| 4.2 激光通信光机系统 | 第79-88页 |
| 4.2.1 系统设计与链路分析 | 第79-83页 |
| 4.2.2 半捷联稳定跟踪控制结构 | 第83-84页 |
| 4.2.3 GPS引导自动捕获技术 | 第84-88页 |
| 4.3 船体运动分析 | 第88-91页 |
| 4.4 外场实验及数据分析 | 第91-99页 |
| 4.4.1 距离5km塔楼间扰动平台激光跟瞄与通信实验 | 第91-92页 |
| 4.4.2 距离4km船-岸激光跟瞄与通信实验 | 第92-99页 |
| 4.5 本章小结 | 第99-101页 |
| 第5章 液晶相控阵非机械跟瞄技术 | 第101-127页 |
| 5.1 引言 | 第101-103页 |
| 5.2 基于角谱理论的液晶相控阵分析 | 第103-111页 |
| 5.2.1 多光束干涉 | 第103-108页 |
| 5.2.2 二元光栅 | 第108-111页 |
| 5.3 二维光束偏转 | 第111-118页 |
| 5.3.1 液晶相位屏 | 第111-113页 |
| 5.3.2 光束偏转实验 | 第113-116页 |
| 5.3.3 角度放大与细分 | 第116-118页 |
| 5.4 液晶相控阵跟瞄实验及数据分析 | 第118-124页 |
| 5.4.1 传递函数 | 第118-119页 |
| 5.4.2 光束指向实验 | 第119-121页 |
| 5.4.3 光束跟踪实验 | 第121-123页 |
| 5.4.4 多光束偏转实验 | 第123-124页 |
| 5.5 本章小结 | 第124-127页 |
| 第6章 总结与展望 | 第127-131页 |
| 6.1 论文总结 | 第127-129页 |
| 6.2 展望 | 第129-131页 |
| 参考文献 | 第131-137页 |
| 攻读博士学位期间发表的论文 | 第137-138页 |
| 致谢 | 第138页 |