船舶操纵性预报及评价
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·船舶操纵性的研究内容 | 第8-10页 |
| ·船舶操纵性的预报方法 | 第10-11页 |
| ·论文的主要研究工作 | 第11-13页 |
| 2 神经网络原理 | 第13-30页 |
| ·人工神经网络 | 第13-15页 |
| ·人工神经网络简介 | 第13-14页 |
| ·人工神经网络的发展和应用 | 第14-15页 |
| ·BP网络原理 | 第15-20页 |
| ·BP网络结构 | 第15-16页 |
| ·BP网络基本算法原理 | 第16-20页 |
| ·BP算法存在的问题 | 第20页 |
| ·BP网络算法的改进 | 第20-25页 |
| ·隐合层数和隐合层节点数的选择 | 第21页 |
| ·激活函数的确定 | 第21-22页 |
| ·提高学习速度的方法 | 第22-23页 |
| ·训练样本的要求和次数的确定 | 第23-24页 |
| ·样本数据的预处理 | 第24-25页 |
| ·BP网络的程序实现 | 第25-28页 |
| ·MATLAB神经网络工具箱简介 | 第25-26页 |
| ·BP网络的神经网络工具箱函数实现 | 第26-28页 |
| ·小结 | 第28-30页 |
| 3 静水中操纵性的预报 | 第30-47页 |
| ·静水中操纵性的预报概述 | 第30页 |
| ·静水中操纵性仿真预报 | 第30-34页 |
| ·数学方程基本形式 | 第30-31页 |
| ·作用于船体上的惯性水动力计算 | 第31-32页 |
| ·作用于船体上的外力计算 | 第32-34页 |
| ·主机转矩 | 第34页 |
| ·静水中操纵性神经网络预报 | 第34-43页 |
| ·BP网络操纵性预报网络结构的确定 | 第35-36页 |
| ·BP网络隐含层节点数的确定 | 第36-37页 |
| ·BP网络样本数据的预处理和初始权值的设定 | 第37-38页 |
| ·BP网络操纵性预报模型的训练 | 第38-43页 |
| ·船舶操纵性预报结果对比分析 | 第43-45页 |
| ·静水中操纵性仿真预报结果 | 第43-44页 |
| ·静水中操纵性BP网络模型预报结果 | 第44-45页 |
| ·预报结果分析 | 第45页 |
| ·小结 | 第45-47页 |
| 4 船舶操纵性评价 | 第47-65页 |
| ·船舶操纵性能综合评价 | 第47-49页 |
| ·船舶操纵性的评价指标及衡准 | 第47-48页 |
| ·海船操纵性衡准的数值指标 | 第48-49页 |
| ·船舶操纵性评价的方法 | 第49页 |
| ·DHGF算法基本原理 | 第49-54页 |
| ·DHGF算法的优越性 | 第49-51页 |
| ·DHGF算法设计 | 第51-54页 |
| ·DHGF集成法在船舶操纵性能评价中的应用 | 第54-63页 |
| ·船舶操纵性评价指标体系的建立 | 第55-56页 |
| ·利用AHP法计算各层评价指标的权重 | 第56-57页 |
| ·利用灰色关联计算灰色权值 | 第57-63页 |
| ·利用模糊数学评判评价等级 | 第63页 |
| ·小结 | 第63-65页 |
| 5 总结和展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
