| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-16页 |
| ·课题研究背景及意义 | 第12-13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 炮塔运动参数测量系统的设计与传感器智能化方法的实现 | 第16-30页 |
| ·炮塔运动参数测量系统设计 | 第16-17页 |
| ·研究平台的开发 | 第17-24页 |
| ·数据采集及处理子系统的硬件电路 | 第17-19页 |
| ·自整角机传统数字解算方式 | 第19页 |
| ·自整角机数字解算电路的工作原理 | 第19-23页 |
| ·系统软件设计 | 第23-24页 |
| ·炮塔传感器智能化的实现方法 | 第24-29页 |
| ·炮塔传感器智能化的内容 | 第24-25页 |
| ·传感器的数字化 | 第25页 |
| ·数据采集与处理 | 第25页 |
| ·非线性校正与温度补偿 | 第25-26页 |
| ·硬件抗干扰措施 | 第26-28页 |
| ·电子数据表格（TEDS） | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于最小二乘拟合法的传感器的非线性校正 | 第30-41页 |
| ·非线性问题 | 第30-31页 |
| ·曲线拟合法概述 | 第31-34页 |
| ·自整角机的工作原理 | 第34-36页 |
| ·自整角机的定义 | 第34页 |
| ·自整角机工作原理 | 第34-36页 |
| ·自整角机校正非线性特性仿真实验 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于神经网络的传感器非线性校正 | 第41-54页 |
| ·神经网络的传感器非线性校正原理 | 第41-45页 |
| ·人工神经网络概述 | 第41页 |
| ·人工神经元模型 | 第41-43页 |
| ·神经元之间的连接形式 | 第43-44页 |
| ·人工神经网络的学习 | 第44-45页 |
| ·BP 神经网络 | 第45-49页 |
| ·BP 网络 | 第45-46页 |
| ·梯度下降法 | 第46-47页 |
| ·BP 神经网络的学习算法 | 第47-49页 |
| ·神经网络校正技术和仿真实验结果 | 第49-53页 |
| ·基于神经网络的传感器非线性校正原理 | 第49页 |
| ·BP 网络的学习算法 | 第49-51页 |
| ·自整角机校正非线性特性仿真实验 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第5章 基于遗传神经网络的传感器非线性校正 | 第54-67页 |
| ·遗传算法的简介 | 第54-56页 |
| ·遗传算法的特点 | 第54-55页 |
| ·遗传算法的应用 | 第55-56页 |
| ·遗传算法的基本原理 | 第56-57页 |
| ·遗传算法的基本思想 | 第56页 |
| ·遗传算法的基本概念 | 第56-57页 |
| ·遗传神经网络算法 | 第57-60页 |
| ·SGA 的基本步骤 | 第57-58页 |
| ·编码表示 | 第58-59页 |
| ·适应度函数设计 | 第59-60页 |
| ·遗传神经网络校正技术和仿真实验结果 | 第60-66页 |
| ·遗传神经网络模型 | 第60-61页 |
| ·遗传神经网络的算法及其非线性校正的实现 | 第61-63页 |
| ·仿真及实验研究 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 传感器的温度补偿和电子表格的实现 | 第67-79页 |
| ·传感器的温度补偿 | 第67-72页 |
| ·位置传感器的硬件温度补偿方案 | 第67-70页 |
| ·位置传感器的软件补偿方案 | 第70-72页 |
| ·基于IEEE1451 标准的智能传感器模型 | 第72-74页 |
| ·IEEE1451 协议中电子数据表格(TEDS)的研究 | 第74-78页 |
| ·电子数据表格的优势 | 第74-75页 |
| ·电子数据表格的内容 | 第75-77页 |
| ·电子数据表格的实现 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第85-86页 |
| 致谢 | 第86-87页 |