水面舰船动力定位系统智能控制技术研究
| 第1章 绪论 | 第1-21页 |
| 1．1 引言 | 第10-11页 |
| 1．2 船舶动力定位系统的研究现状与发展 | 第11-19页 |
| 1．2．1 船舶动力定位系统控制器的发展 | 第12-13页 |
| 1．2．2 智能控制的发展 | 第13-19页 |
| 1．3 论文的主要内容 | 第19-21页 |
| 第2章 船舶动力定位系统数学模型 | 第21-44页 |
| 2．1 引言 | 第21-22页 |
| 2．2 推力器系统模型 | 第22-26页 |
| 2．3 船舶模型 | 第26-37页 |
| 2．3．1 船舶低频运动模型 | 第29-31页 |
| 2．3．2 船舶高频运动模型 | 第31-33页 |
| 2．3．3 环境数学模型 | 第33-36页 |
| 2．3．4 船舶的总模型 | 第36-37页 |
| 2．4 控制器 | 第37-39页 |
| 2．5 船舶运动数学模型的检验 | 第39-42页 |
| 2．5．1 开环实验 | 第40-41页 |
| 2．5．2 闭环实验 | 第41-42页 |
| 2．6 本章小结 | 第42-44页 |
| 第3章 模糊神经网络 | 第44-78页 |
| 3．1 神经网络 | 第44-52页 |
| 3．1．1 人工神经元模型 | 第44-45页 |
| 3．1．2 前馈神经网络 | 第45-52页 |
| 3．2 模糊逻辑系统 | 第52-59页 |
| 3．2．1 高斯基模糊逻辑系统的函数逼近能力 | 第53-59页 |
| 3．3 模糊神经网络 | 第59-72页 |
| 3．3．1 模糊系统与神经网络的融合 | 第59-64页 |
| 3．3．2 高斯基模糊神经网络 | 第64-67页 |
| 3．3．3 高斯基模糊神经网络的全局逼近性质 | 第67-70页 |
| 3．3．4 Sugeno型模糊神经网络 | 第70-72页 |
| 3．4 实验研究 | 第72-77页 |
| 3．5 本章小结 | 第77-78页 |
| 第4章 神经网络的遗传优化 | 第78-100页 |
| 4．1 引言 | 第78页 |
| 4．2 遗传算法 | 第78-80页 |
| 4．3 遗传算法与神经网络的融合 | 第80页 |
| 4．4 基于BP神经网络的遗传优化算法 | 第80-85页 |
| 4．4．1 参数的编码形式 | 第81-82页 |
| 4．4．2 适应度函数的选取 | 第82-83页 |
| 4．4．3 遗传操作 | 第83-85页 |
| 4．5 BP神经网络结构优化算法 | 第85-88页 |
| 4．6 模糊神经网络结构优化 | 第88-99页 |
| 4．6．1 参数编码 | 第88-89页 |
| 4．6．2 自组织竞争人工神经网络 | 第89-94页 |
| 4．6．3 自组织竞争人工神经网络的分类能力 | 第94-96页 |
| 4．6．4 模糊神经网络的结构优化 | 第96-99页 |
| 4．7 本章小结 | 第99-100页 |
| 第5章 动力定位系统神经网络信号处理 | 第100-110页 |
| 5．1 神经网络滤波系统 | 第101-106页 |
| 5．1．1 鲁棒BP神经网络非线性滤波 | 第102-104页 |
| 5．1．2 模糊神经网络非线性滤波器 | 第104-106页 |
| 5．2 神经网络时间序列预测 | 第106-108页 |
| 5．3 动力定位系统的神经网络滤波器 | 第108-109页 |
| 5．4 本章小结 | 第109-110页 |
| 第6章 动力定位系统模糊神经网络自适应控制 | 第110-132页 |
| 6．1 引言 | 第110-111页 |
| 6．2 非线性系统辨识 | 第111-121页 |
| 6．2．1 NARMA模型的参数辨识 | 第113-116页 |
| 6．2．2 动态系统辨识常用的神经网络 | 第116-121页 |
| 6．3 船舶低频运动神经网络建模 | 第121-123页 |
| 6．4 高频运动神经网络模型 | 第123-124页 |
| 6．5 动力定位系统神经网络控制 | 第124-131页 |
| 6．6 本章小结 | 第131-132页 |
| 结论 | 第132-135页 |
| 参考文献 | 第135-142页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第142-144页 |
| 致谢 | 第144-145页 |
| 个人简历 | 第145-146页 |
| 附录A | 第146页 |
