| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究的历史背景及意义 | 第11页 |
| ·船舶航向控制的发展现状 | 第11-13页 |
| ·神经网络控制的发展现状 | 第13-14页 |
| ·论文主要内容 | 第14-16页 |
| 第2章 船舶运动数学模型 | 第16-30页 |
| ·船舶运动分析中的坐标系 | 第16-18页 |
| ·地面坐标系 | 第16页 |
| ·船体坐标系 | 第16-17页 |
| ·坐标系的变换 | 第17-18页 |
| ·船舶航向控制数学模型 | 第18-24页 |
| ·船舶平面运动模型 | 第18-20页 |
| ·作用于船舶的外力和力矩 | 第20-22页 |
| ·船舶运动 KT 模型 | 第22-24页 |
| ·舵力及舵机数学模型 | 第24-25页 |
| ·环境扰动模型 | 第25-29页 |
| ·风的干扰力数学模型 | 第25页 |
| ·流的干扰力数学模型 | 第25-26页 |
| ·波浪干扰力数学模型 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 神经网络基本原理 | 第30-44页 |
| ·神经网络的基本模型 | 第30-33页 |
| ·人工神经元模型 | 第30-32页 |
| ·人工神经网络模型 | 第32-33页 |
| ·神经网络的工作方式 | 第33-37页 |
| ·学习方式 | 第33-35页 |
| ·学习算法 | 第35-36页 |
| ·学习与自适应 | 第36-37页 |
| ·常用的前向神经网络介绍 | 第37-41页 |
| ·感知器 | 第37-38页 |
| ·BP 网络及其学习算法 | 第38-41页 |
| ·神经网络稳定性分析 | 第41-43页 |
| ·Lyapunov 定理 | 第41-42页 |
| ·收敛性和稳定性 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于神经网络的船舶航向模糊 PID 控制研究 | 第44-63页 |
| ·传统 PID 控制 | 第44-46页 |
| ·模拟 PID 控制 | 第44-45页 |
| ·数字 PID 控制 | 第45-46页 |
| ·基于 BP 神经网络的自适应 PID 控制器设计 | 第46-50页 |
| ·控制系统结构 | 第46-47页 |
| ·控制算法设计 | 第47-50页 |
| ·预测模型设计 | 第50-53页 |
| ·线性预测模型 | 第50-51页 |
| ·非线性预测模型 | 第51-53页 |
| ·基于 BP 神经网络的模糊 PID 控制器设计 | 第53-56页 |
| ·模糊理论基本概念 | 第53-54页 |
| ·模糊化模块 | 第54-55页 |
| ·控制系统结构 | 第55-56页 |
| ·控制算法设计 | 第56页 |
| ·船舶航向控制实例仿真及分析 | 第56-62页 |
| ·无干扰下的仿真 | 第57-58页 |
| ·海浪干扰下的仿真 | 第58-61页 |
| ·参数摄动下的仿真 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于改进 BP 网络的船舶航向模糊 PID 控制研究 | 第63-70页 |
| ·改进的共轭梯度 BP 算法 | 第63-65页 |
| ·共轭梯度法 | 第63-64页 |
| ·改进共轭梯度法 | 第64-65页 |
| ·改进 BP 神经网络的模糊 PID 控制器设计 | 第65-66页 |
| ·控制系统结构 | 第65页 |
| ·控制算法设计 | 第65-66页 |
| ·船舶航向控制实例仿真及分析 | 第66-68页 |
| ·无干扰下的仿真 | 第66-67页 |
| ·海浪干扰下的仿真 | 第67-68页 |
| ·参数摄动下的仿真 | 第68页 |
| ·本章小结 | 第68-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
