三体滑行艇运动分析与控制
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 三体滑行艇发展综述 | 第11-14页 |
| 1.2.2 控制方法研究现状 | 第14-15页 |
| 1.2.3 神经网络控制研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第2章 三体滑行艇运动建模 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 三体滑行艇运动模型 | 第19-21页 |
| 2.2.1 坐标系 | 第19-20页 |
| 2.2.2 MMG模型 | 第20-21页 |
| 2.3 惯性类水动力 | 第21-22页 |
| 2.4 粘性类水动力 | 第22-23页 |
| 2.5 螺旋桨推进力 | 第23-25页 |
| 2.5.1 E779A型螺旋桨 | 第23-24页 |
| 2.5.2 滑行艇和螺旋桨的相互影响 | 第24-25页 |
| 2.6 舵力 | 第25-28页 |
| 2.7 动升力 | 第28-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 三体滑行艇运动特性分析 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 三体滑行艇水动力分析 | 第30-35页 |
| 3.2.1 AQWA介绍 | 第30-31页 |
| 3.2.2 AQWA水动力分析 | 第31-35页 |
| 3.3 螺旋桨水动力分析 | 第35-39页 |
| 3.3.1 螺旋桨数值模拟 | 第35-38页 |
| 3.3.2 螺旋桨数值计算结果 | 第38-39页 |
| 3.4 三体滑行艇操纵响应模型 | 第39-42页 |
| 3.4.1 操纵响应模型 | 第39-40页 |
| 3.4.2 操纵性指数K、T | 第40-42页 |
| 3.5 风、流干扰模型 | 第42-46页 |
| 3.5.1 风干扰数学模型 | 第43-44页 |
| 3.5.2 流干扰数学模型 | 第44-46页 |
| 3.5.3 风和流共同作用下的干扰模型 | 第46页 |
| 3.6 开环特性仿真验证 | 第46-50页 |
| 3.6.1 三体滑行艇无干扰仿真验证 | 第46-49页 |
| 3.6.2 三体滑行艇有干扰仿真验证 | 第49-50页 |
| 3.7 本章总结 | 第50-52页 |
| 第4章 基于RBF神经网络的航向控制 | 第52-72页 |
| 4.1 引言 | 第52页 |
| 4.2 PID航向控制器设计 | 第52-56页 |
| 4.2.1 S函数 | 第52-54页 |
| 4.2.2 基于S函数的PID航向控制器设计 | 第54-55页 |
| 4.2.3 仿真及结果分析 | 第55-56页 |
| 4.3 基于RBF神经网络PID控制 | 第56-63页 |
| 4.3.1 RBF神经网络算法原理 | 第57-59页 |
| 4.3.2 基于RBF神经网络的PID控制器设计 | 第59-62页 |
| 4.3.3 仿真及结果分析 | 第62-63页 |
| 4.4 基于改进的RBF神经网络控制 | 第63-70页 |
| 4.4.1 误差梯度训练原理 | 第63-65页 |
| 4.4.2 基于改进的RBF神经网络控制器仿真 | 第65-67页 |
| 4.4.3 仿真及结果分析 | 第67-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 RBF神经网络干扰观测器航向控制 | 第72-80页 |
| 5.1 引言 | 第72页 |
| 5.2 干扰观测器 | 第72-75页 |
| 5.2.1 干扰观测器结构 | 第72-73页 |
| 5.2.2 带干扰观测器的航向控制 | 第73-75页 |
| 5.3 基于RBF干扰观测器的航向控制 | 第75-78页 |
| 5.3.1 RBF干扰观测器设计 | 第75-77页 |
| 5.3.2 仿真及结果分析 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文及取得的科研成果 | 第86-88页 |
| 致谢 | 第88页 |
