摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第11-23页 |
1.1 课题研究的背景及意义 | 第11-12页 |
1.2 UUV国内外研究现状 | 第12-14页 |
1.3 UUV故障诊断与应急决策研究现状 | 第14-20页 |
1.3.1 UUV故障诊断研究现状 | 第14-16页 |
1.3.2 态势估计与应急决策研究现状 | 第16-20页 |
1.4 论文的主要研究内容 | 第20-21页 |
1.5 论文的组织结构 | 第21-23页 |
第2章 UUV故障诊断与应急决策系统体系结构 | 第23-35页 |
2.1 UUV系统构成 | 第23-25页 |
2.1.1 UUV硬件物理分布 | 第23-24页 |
2.1.2 UUV软件结构 | 第24-25页 |
2.2 UUV使命任务描述 | 第25-28页 |
2.2.1 UUV使命任务流程 | 第25-27页 |
2.2.2 UUV使命任务的广义环境 | 第27-28页 |
2.3 UUV故障诊断与应急决策系统体系结构 | 第28-34页 |
2.3.1 系统基本功能 | 第28页 |
2.3.2 分层多智能体体系结构 | 第28-34页 |
2.4 本章小结 | 第34-35页 |
第3章 UUV执行器与传感器故障诊断方法研究 | 第35-67页 |
3.1 UUV动力学与运动学建模 | 第35-42页 |
3.2 UUV故障模型分析 | 第42-47页 |
3.2.1 执行器故障 | 第44-46页 |
3.2.2 传感器故障 | 第46-47页 |
3.3 基于滑模观测器的执行器故障诊断 | 第47-56页 |
3.3.1 UUV非线性滑模观测器设计 | 第48-50页 |
3.3.2 基于滑模观测器的执行器故障检测 | 第50页 |
3.3.3 仿真验证与分析 | 第50-56页 |
3.4 基于GHEPSO优化的GM(2,1)的传感器故障诊断 | 第56-66页 |
3.4.1 GM(2,1)灰色预测模型构建 | 第56-58页 |
3.4.2 群体历史经验的粒子群算法设计 | 第58-61页 |
3.4.3 基于GHEPSO优化的GM(2,1)的传感器故障检测 | 第61-62页 |
3.4.4 仿真验证与分析 | 第62-66页 |
3.5 本章小结 | 第66-67页 |
第4章 基于贝叶斯网络的UUV广义环境态势估计 | 第67-81页 |
4.1 态势估计技术 | 第67-68页 |
4.2 广义环境事件检测 | 第68-70页 |
4.2.1 事件检测的表达 | 第68-69页 |
4.2.2 事件检测的主要输入 | 第69页 |
4.2.3 事件检测的主要输出 | 第69-70页 |
4.3 广义环境态势估计 | 第70-77页 |
4.3.1 贝叶斯网络模型 | 第70-71页 |
4.3.2 广义环境态势贝叶斯网络模型构建 | 第71-76页 |
4.3.3 贝叶斯网络的推理算法 | 第76-77页 |
4.3.4 贝叶斯网络的灵敏度分析 | 第77页 |
4.4 广义环境态势估计仿真分析 | 第77-79页 |
4.4.1 证据节点更新 | 第77-79页 |
4.4.2 灵敏度分析 | 第79页 |
4.5 本章小结 | 第79-81页 |
第5章 广义环境下UUV应急决策研究 | 第81-105页 |
5.1 应急决策的数学描述 | 第81-82页 |
5.2 影响图的基本理论 | 第82-84页 |
5.3 UUV应急决策的影响图模型 | 第84-89页 |
5.3.1 UUV应急决策问题分析 | 第84-86页 |
5.3.2 应急决策的影响图模型构建 | 第86-89页 |
5.4 UUV应急决策综合仿真与验证 | 第89-99页 |
5.4.1 UUV典型使命任务描述 | 第89-90页 |
5.4.2 半实物仿真系统的构建 | 第90-92页 |
5.4.3 仿真案例与仿真流程 | 第92-93页 |
5.4.4 应急决策仿真分析 | 第93-99页 |
5.5 UUV应急决策湖上试验验证 | 第99-104页 |
5.5.1 试验条件 | 第99页 |
5.5.2 实验设计 | 第99-101页 |
5.5.3 试验结果及分析 | 第101-104页 |
5.6 本章小结 | 第104-105页 |
结论 | 第105-107页 |
参考文献 | 第107-117页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第117-119页 |
致谢 | 第119页 |