| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 船舶航向控制研究的发展 | 第9-10页 |
| 1.2.2 自抗扰控制技术和人工神经网络的研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 第2章 船舶航向自抗扰控制 | 第13-31页 |
| 2.1 引言 | 第13-14页 |
| 2.2 自抗扰控制器的算法 | 第14-21页 |
| 2.2.1 安排过渡过程 | 第14-17页 |
| 2.2.2 扩张状态观测器 | 第17-20页 |
| 2.2.3 误差反馈的非线性组 | 第20-21页 |
| 2.3 自抗扰控制器参数整定方法 | 第21-22页 |
| 2.3.1 跟踪微分器的参数整定规则 | 第21页 |
| 2.3.2 扩张状态观测器的参数整定 | 第21-22页 |
| 2.3.3 误差反馈非线性组合的参数整定 | 第22页 |
| 2.4 船舶运动数学模型 | 第22-26页 |
| 2.4.1 坐标系 | 第22-23页 |
| 2.4.2 船舶运动方程 | 第23-25页 |
| 2.4.3 Z型试验 | 第25-26页 |
| 2.5 船舶航向自抗扰控制的仿真研究 | 第26-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于RBF神经网络的船舶航向自抗扰控制器设计 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 径向基函数神经网络 | 第31-33页 |
| 3.2.1 RBF神经网络输出计算 | 第31-32页 |
| 3.2.2 RBF神经网络学习 | 第32-33页 |
| 3.2.3 RBF神经网络与BP神经网络比较 | 第33页 |
| 3.3 基于RBF神经网络的自抗扰控制器设计 | 第33-37页 |
| 3.4 基于RBF神经网络的船舶航向自抗扰控制的仿真研究 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 结论与展望 | 第42-43页 |
| 4.1 结论 | 第42页 |
| 4.2 展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 攻读学位期间公开发表论文 | 第47-48页 |
| 致谢 | 第48-49页 |
| 作者简介 | 第49页 |
