| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1. 绪论 | 第7-13页 |
| 1.1 课题研究背景与意义 | 第7-8页 |
| 1.2 参数辨识的国内外研究现状 | 第8-11页 |
| 1.2.1 参数辨识概述 | 第8-9页 |
| 1.2.2 基于智能优化的参数辨识 | 第9-10页 |
| 1.2.3 基于机器学习的参数辨识 | 第10-11页 |
| 1.3 弹药协调器参数辨识技术研究与发展现状 | 第11页 |
| 1.4 本文主要研究内容和结构 | 第11-13页 |
| 2 弹药协调器建模 | 第13-32页 |
| 2.1 弹药协调器结构 | 第13-14页 |
| 2.2 弹药协调器数学模型 | 第14-21页 |
| 2.2.1 动力学方程 | 第14-18页 |
| 2.2.2 控制与电机模型 | 第18-19页 |
| 2.2.3 基于Simulink的模型求解 | 第19-21页 |
| 2.3 弹药协调器虚拟样机模型 | 第21-24页 |
| 2.3.1 基于RecurDyn的虚拟样机建模 | 第21-22页 |
| 2.3.2 基于Simulink的小平衡机建模 | 第22-23页 |
| 2.3.3 基于Simulink的联合仿真 | 第23-24页 |
| 2.4 弹药协调器故障因素确定 | 第24-29页 |
| 2.5 弹药协调器测试实验 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 基于差分进化的弹药协调器故障因素的参数辨识 | 第32-50页 |
| 3.1 智能优化与参数辨识 | 第32-33页 |
| 3.2 差分进化算法 | 第33-36页 |
| 3.2.1 标准差分进化 | 第33-35页 |
| 3.2.2 时间序列相似度 | 第35-36页 |
| 3.3 弹药协调器数学模型的参数辨识 | 第36-49页 |
| 3.3.1 使用标准差分进化参数辨识 | 第36-42页 |
| 3.3.2 使用改进差分进化参数辨识 | 第42-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 基于PCA和SVR的弹药协调器故障因素的参数辨识 | 第50-69页 |
| 4.1 基于机器学习的参数辨识 | 第50-51页 |
| 4.2 支持向量回归的理论基础 | 第51-56页 |
| 4.2.1 支持向量机基本原理 | 第51-54页 |
| 4.2.2 核函数 | 第54-55页 |
| 4.2.3 支持向量回归基本原理 | 第55-56页 |
| 4.3 主成份分析 | 第56-57页 |
| 4.4 弹药协调器虚拟样机模型的参数辨识 | 第57-67页 |
| 4.4.1 特征工程 | 第58-59页 |
| 4.4.2 辨识效果的评价指标 | 第59-60页 |
| 4.4.3 参数辨识过程及改进 | 第60-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 实验验证 | 第69-75页 |
| 5.1 实验台架的搭建 | 第69-71页 |
| 5.2 实验台架的建模和验证 | 第71-72页 |
| 5.3 实验台架基于差分进化的参数辨识 | 第72-73页 |
| 5.4 实验台架基于PCA和SVR的参数辨识 | 第73-74页 |
| 5.5 本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |