| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源及研究目的和意义 | 第9-10页 |
| 1.2 国内外的研究现状分析 | 第10-13页 |
| 1.2.1 多读数头结构的研究现状分析 | 第10-11页 |
| 1.2.2 测角误差软件补偿技术研究现状 | 第11-12页 |
| 1.2.3 测角误差补偿技术简析 | 第12-13页 |
| 1.3 圆光栅测角系统 | 第13-15页 |
| 1.4 论文主要研究内容及章节安排 | 第15-17页 |
| 第2章 圆光栅测角系统误差分析与多读数头应用 | 第17-41页 |
| 2.1 引言 | 第17页 |
| 2.2 圆光栅测角误差分析 | 第17-27页 |
| 2.2.1 系统误差 | 第18页 |
| 2.2.2 随机误差 | 第18-19页 |
| 2.2.3 安装误差 | 第19-27页 |
| 2.3 多读数头测角 | 第27-40页 |
| 2.3.1 多读数头消除误差分析 | 第27-29页 |
| 2.3.2 多读数头安装不对径导致的误差 | 第29-34页 |
| 2.3.3 多读数头安装倾斜误差 | 第34-39页 |
| 2.3.4 多读数头应用中由安装偏差引入的误差总结 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 测角误差的数值补偿算法 | 第41-61页 |
| 3.1 引言 | 第41页 |
| 3.2 分段线性补偿模型 | 第41-42页 |
| 3.3 三次样条补偿模型 | 第42-44页 |
| 3.4 多项式补偿模型 | 第44-45页 |
| 3.5 谐波补偿模型 | 第45-49页 |
| 3.5.1 谐波分析 | 第45-46页 |
| 3.5.2 谐波补偿模型 | 第46-48页 |
| 3.5.3 谐量混杂 | 第48-49页 |
| 3.6 数值补偿算法仿真实验 | 第49-59页 |
| 3.6.1 测角误差数据 | 第49-50页 |
| 3.6.2 补偿算法结果分析 | 第50-59页 |
| 3.6.3 数值补偿算法的有效性分析 | 第59页 |
| 3.7 本章小结 | 第59-61页 |
| 第4章 基于BP神经网络的测角误差补偿算法 | 第61-75页 |
| 4.1 引言 | 第61页 |
| 4.2 人工神经网络模型 | 第61-63页 |
| 4.2.1 人工神经元网络节点的形式化描述 | 第61-62页 |
| 4.2.2 神经网络拓扑模型 | 第62-63页 |
| 4.3 BP神经网络算法及其改进算法 | 第63-66页 |
| 4.4 测角系统的BP神经网络误差补偿 | 第66-73页 |
| 4.4.1 标准BP神经网络补偿模型 | 第66页 |
| 4.4.2 标准BP算法的补偿 | 第66-68页 |
| 4.4.3 改进BP算法的误差补偿 | 第68-71页 |
| 4.4.4 改进BP算法的二次误差补偿 | 第71-73页 |
| 4.4.5 BP神经网络补偿算法的有效性分析 | 第73页 |
| 4.5 BP神经网络补偿算法与数值补偿算法对比 | 第73-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第5章 基于小波神经网络的测角误差溯源和补偿 | 第75-94页 |
| 5.1 引言 | 第75页 |
| 5.2 误差分解与溯源 | 第75-76页 |
| 5.3 小波神经网络分析方法 | 第76-82页 |
| 5.3.1 小波分析方法 | 第76-79页 |
| 5.3.2 小波神经网络 | 第79-82页 |
| 5.4 测角误差的溯源和补偿实验 | 第82-89页 |
| 5.4.1 狭义小波神经网络仿真实验 | 第82-84页 |
| 5.4.2 广义小波神经网络仿真实验 | 第84-88页 |
| 5.4.3 小波神经网络补偿的有效性分析 | 第88-89页 |
| 5.5 小波网络和其他补偿算法的比较 | 第89-93页 |
| 5.5.1 小波网络和BP网络补偿算法的比较 | 第89-90页 |
| 5.5.2 广义小波网络与谐波补偿算法的比较 | 第90-92页 |
| 5.5.3 各种补偿算法的比较 | 第92-93页 |
| 5.6 本章小结 | 第93-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-102页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第102-104页 |
| 致谢 | 第104页 |