基于深度辨识模型的无人直升机自适应控制
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 无人直升机建模技术 | 第12-13页 |
| 1.2.2 无人直升机控制技术 | 第13-15页 |
| 1.2.3 深度学习在控制领域的研究 | 第15-16页 |
| 1.3 本文内容安排 | 第16-19页 |
| 第二章 系统模型及相关算法 | 第19-29页 |
| 2.1 无人直升机模型的理论基础 | 第19-22页 |
| 2.1.1 坐标系定义及其转换 | 第19-21页 |
| 2.1.2 四元数运动学方程 | 第21-22页 |
| 2.2 深度学习网络架构 | 第22-27页 |
| 2.2.1 长短期记忆神经网络 | 第23-24页 |
| 2.2.2 卷积神经网络 | 第24-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 无人直升机数学建模 | 第29-49页 |
| 3.1 问题描述 | 第29-30页 |
| 3.2 对比模型 | 第30-35页 |
| 3.2.1 二次滞后模型 | 第30-31页 |
| 3.2.2 BP神经网络模型 | 第31-34页 |
| 3.2.3 深度ReLU网络模型 | 第34-35页 |
| 3.3 深度LSTM辨识器 | 第35-41页 |
| 3.3.1 动力学模型结构介绍 | 第35-36页 |
| 3.3.2 深度LSTM模型原理解释 | 第36-37页 |
| 3.3.3 模型优化 | 第37页 |
| 3.3.4 仿真实验 | 第37-41页 |
| 3.4 深度CNN辨识器 | 第41-48页 |
| 3.4.1 原理解释及模型介绍 | 第42-43页 |
| 3.4.2 仿真实验 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于深度CNN辨识器的反步自适应控制 | 第49-65页 |
| 4.1 问题描述 | 第49页 |
| 4.2 控制器设计 | 第49-56页 |
| 4.2.1 位置跟踪控制器设计 | 第49-51页 |
| 4.2.2 姿态跟踪控制器设计 | 第51-52页 |
| 4.2.3 稳定性分析 | 第52-56页 |
| 4.3 仿真实验 | 第56-61页 |
| 4.4 本章小结 | 第61-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 本文主要工作与创新点 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |
