| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 飞机结冰问题研究现状 | 第9-11页 |
| 1.2.2 支持向量机方法在分类问题中的研究现状 | 第11-12页 |
| 1.2.3 卡尔曼滤波方法在预测问题中的研究现状 | 第12-13页 |
| 1.3 研究内容及工作安排 | 第13-14页 |
| 第二章 飞机表面结冰厚度检测方法 | 第14-23页 |
| 2.1 光纤式结冰传感器误差分析 | 第14-15页 |
| 2.2 基于自适应加权的多传感器数据融合算法 | 第15-20页 |
| 2.2.1 最优加权因子及其方差 | 第16-17页 |
| 2.2.2 线性无偏最小方差性 | 第17-19页 |
| 2.2.3 各传感器方差的求取 | 第19-20页 |
| 2.3 剔除疏失误差的分布图法 | 第20-21页 |
| 2.4 算法流程与实验结果分析 | 第21-22页 |
| 2.4.1 算法运算流程 | 第21页 |
| 2.4.2 算法实验与结果 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 飞机结冰冰型预测方法 | 第23-33页 |
| 3.1 飞机地面结冰类型特点分析 | 第23-24页 |
| 3.2 支持向量机分类 | 第24-26页 |
| 3.2.1 线性支持向量分类机 | 第24-25页 |
| 3.2.2 非线性支持向量分类机 | 第25-26页 |
| 3.3 支持向量机的多分类问题 | 第26-27页 |
| 3.4 核函数的选择 | 第27-28页 |
| 3.5 模型参数选择算法 | 第28-29页 |
| 3.6 基于支持向量机的飞机结冰冰型预测 | 第29-32页 |
| 3.6.1 飞机结冰冰型预测模型的构建步骤 | 第29页 |
| 3.6.2 核函数及模型参数的选择 | 第29-31页 |
| 3.6.3 支持向量机与BP神经网络的性能比较 | 第31页 |
| 3.6.4 实验与结果分析 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 飞机表面结冰厚度预测方法 | 第33-47页 |
| 4.1 飞机地面结冰环境模拟实验系统 | 第33页 |
| 4.2 飞机结冰过程变化特点 | 第33-34页 |
| 4.3 基本卡尔曼滤波 | 第34-37页 |
| 4.3.1 离散时间线性动态系统描述 | 第34-35页 |
| 4.3.2 基本卡尔曼滤波算法 | 第35-37页 |
| 4.4 基于卡尔曼滤波的飞机结冰厚度预测 | 第37-42页 |
| 4.4.1 状态方程和观测方程的建立 | 第37页 |
| 4.4.2 飞机地面结冰厚度预测算法 | 第37-38页 |
| 4.4.3 滤波初始值的确定 | 第38-39页 |
| 4.4.4 卡尔曼滤波法与SVM、BPNN在结冰厚度预测中的性能比较 | 第39-40页 |
| 4.4.5 仿真与结果分析 | 第40-42页 |
| 4.5 基于自适应卡尔曼滤波方法的飞机结冰厚度预测 | 第42-46页 |
| 4.5.1 基于预测滤波器的自适应卡尔曼滤波算法 | 第42-43页 |
| 4.5.2 基于自适应卡尔曼滤波的飞机地面结冰厚度预测算法 | 第43-45页 |
| 4.5.3 仿真与结果分析 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 结论与展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间发表论文情况 | 第53页 |
