基于量子神经网络的航迹保持控制
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-13页 |
| 1.3 论文的主要内容及章节安排 | 第13-15页 |
| 第2章 基础理论 | 第15-29页 |
| 2.1 船舶运动数学模型 | 第15-24页 |
| 2.1.1 坐标系 | 第15-16页 |
| 2.1.2 船舶运动学模型 | 第16-17页 |
| 2.1.3 船舶动力学模型 | 第17-20页 |
| 2.1.4 船舶3自由度运动模型 | 第20-21页 |
| 2.1.5 风、浪、流的数学模型 | 第21-24页 |
| 2.2 PID控制 | 第24-26页 |
| 2.2.1 模拟PID控制 | 第24-25页 |
| 2.2.2 数字PID控制 | 第25-26页 |
| 2.3 BP神经网络 | 第26-28页 |
| 2.3.1 BP神经网络模型 | 第26-27页 |
| 2.3.2 BP神经网络的学习算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 量子神经网络航向保持控制器 | 第29-41页 |
| 3.1 量子计算原理 | 第29-31页 |
| 3.1.1 量子比特 | 第29-30页 |
| 3.1.2 量子逻辑门 | 第30-31页 |
| 3.2 量子神经网络模型 | 第31-33页 |
| 3.2.1 量子神经元模型 | 第31-32页 |
| 3.2.2 量子BP神经网络模型 | 第32-33页 |
| 3.3 量子BP神经网络算法 | 第33-35页 |
| 3.3.1 训练样本的量子态形式 | 第33页 |
| 3.3.2 网络参数的更新 | 第33-35页 |
| 3.4 量子神经网络航向控制器 | 第35-40页 |
| 3.4.1 教师控制器的设计 | 第35-37页 |
| 3.4.2 量子神经网络航向控制器的设计 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 量子神经网络航迹保持控制器 | 第41-60页 |
| 4.1 制导环节 | 第42-45页 |
| 4.2 非线性PID航迹控制器 | 第45-51页 |
| 4.2.1 控制器设计 | 第45-47页 |
| 4.2.2 无干扰下的仿真 | 第47-49页 |
| 4.2.3 有干扰下的仿真 | 第49-51页 |
| 4.3 转向策略的改进 | 第51-54页 |
| 4.3.1 转向策略的设计 | 第51-53页 |
| 4.3.2 仿真实验 | 第53-54页 |
| 4.4 量子神经网络航迹保持控制器 | 第54-59页 |
| 4.4.1 教师控制器的实现 | 第54-55页 |
| 4.4.2 量子神经网络航迹控制器的设计 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录: 网络参数表 | 第66-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
