| 第1章 绪论 | 第1-21页 |
| 1．1 船舶航行控制的回顾与现状 | 第11-14页 |
| 1．2 模糊控制及其应用的回顾与现状 | 第14-15页 |
| 1．3 神经网络控制及其应用的回顾与现状 | 第15-17页 |
| 1．4 预测控制及其应用的回顾与现状 | 第17-20页 |
| 1．5 本文的主要工作 | 第20-21页 |
| 第2章 船舶运动及其干扰模型的建立 | 第21-48页 |
| 2．1 船舶运动的数学模型 | 第21-29页 |
| 2．1．1 坐标系的选择 | 第21-22页 |
| 2．1．2 运动方程的推导 | 第22-27页 |
| 2．1．3 运动方程的线性化 | 第27-29页 |
| 2．2 风、流、海浪干扰的数学模型 | 第29-35页 |
| 2．2．1 风、流的干扰 | 第29-30页 |
| 2．2．2 海浪的干扰 | 第30-35页 |
| 2．3 船舶运动模糊模型 | 第35-43页 |
| 2．3．1 模糊模型的一般形式 | 第36-37页 |
| 2．3．2 模糊模型的辨识 | 第37-43页 |
| 2．4 船舶运动神经网络模型 | 第43-46页 |
| 2．5 本章小结 | 第46-48页 |
| 第3章 船舶航行广义预测控制 | 第48-64页 |
| 3．1 模型及输出预测 | 第48-54页 |
| 3．1．1 R_j（z~（-1））、S_j（z~（-1））的递推解 | 第50-51页 |
| 3．1．2 （?）_j（z~（-1））的递推解 | 第51-52页 |
| 3．1．3 多步输出预测 | 第52-54页 |
| 3．2 最优控制律计算 | 第54-57页 |
| 3．3 控制参数P、M、Q、λ的选择 | 第57-61页 |
| 3．3．1 预测时域长度P | 第57-58页 |
| 3．3．2 控制时域长度M | 第58-59页 |
| 3．3．3 误差加权矩阵Q | 第59-60页 |
| 3．3．4 控制加权矩阵λ | 第60-61页 |
| 3．4 数字仿真 | 第61-63页 |
| 3．5 本章小结 | 第63-64页 |
| 第4章 基于神经网络模糊模型的船舶航行的广义预测控制 | 第64-77页 |
| 4．1 船舶运动模糊模型 | 第64-65页 |
| 4．2 神经网络模糊系统 | 第65-68页 |
| 4．2．1 模糊变量的隶属函数 | 第65页 |
| 4．2．2 神经网络结构 | 第65-67页 |
| 4．2．3 神经网络的权值修正算法 | 第67-68页 |
| 4．3 模糊模型中的变量的选择 | 第68页 |
| 4．4 模型仿真 | 第68-71页 |
| 4．5 基于神经网络模糊模型的广义预测控制律 | 第71-74页 |
| 4．6 数字仿真 | 第74-76页 |
| 4．7 本章小结 | 第76-77页 |
| 第5章 船舶航行的神经网络预测控制 | 第77-94页 |
| 5．1 常规船舶航行神经网络预测控制 | 第77-79页 |
| 5．1．1 数字仿直 | 第78-79页 |
| 5．2 基于神经网络预测器的船舶航行神经网络预测控制 | 第79-85页 |
| 5．2．1 神经网络预测器 | 第80-81页 |
| 5．2．2 神经网络控制器 | 第81-83页 |
| 5．2．3 数字仿真 | 第83-85页 |
| 5．3 基于模糊预测器的船舶航行神经网络预测控制 | 第85-93页 |
| 5．3．1 模糊预测器 | 第86-88页 |
| 5．3．2 神经网络控制器 | 第88-91页 |
| 5．3．3 数字仿真 | 第91-93页 |
| 5．4 本章小结 | 第93-94页 |
| 第6章 船舶航行的模糊预测控制 | 第94-105页 |
| 6．1 船舶航行的常规模糊控制 | 第94-97页 |
| 6．2 船舶航行模糊预测控制 | 第97-104页 |
| 6．2．1 神经网络预测器 | 第97-99页 |
| 6．2．2 模糊控制器 | 第99-102页 |
| 6．2．3 数字仿真 | 第102-104页 |
| 6．3 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117-118页 |
| 致谢 | 第118-119页 |
| 个人简历 | 第119页 |
