矢量推进水下航行器系统辨识建模与动力学特性仿真分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 字母注释表 | 第11-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 引言 | 第13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 水下自主航行器发展现状 | 第13-16页 |
| 1.2.2 水下航行器运动建模研究 | 第16-19页 |
| 1.3 研究目的与意义 | 第19页 |
| 1.4 本文研究的主要内容 | 第19-20页 |
| 第二章 水下航行器系统辨识建模 | 第20-28页 |
| 2.1 系统辨识 | 第20-21页 |
| 2.1.1 系统辨识原理 | 第20-21页 |
| 2.1.2 辨识模型与方法 | 第21页 |
| 2.2 基于神经网络的辨识方法 | 第21-22页 |
| 2.2.1 神经网络的学习方法 | 第21页 |
| 2.2.2 神经网络辨识原理 | 第21-22页 |
| 2.3 水下航行器运动、受力分析 | 第22-25页 |
| 2.3.1 传统六自由度动力学分析 | 第22-23页 |
| 2.3.2 水下航行器受力分析 | 第23-25页 |
| 2.4 水下航行器动力学系统结构 | 第25-27页 |
| 2.4.1 水下航行器航行观测数据 | 第25-26页 |
| 2.4.2 确定神经网络结构 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 水下航行器动力学系统辨识 | 第28-38页 |
| 3.1 模型评价方法 | 第28-29页 |
| 3.1.1 模型评价准则 | 第28-29页 |
| 3.1.2 最优解的评价方法 | 第29页 |
| 3.2 神经网络模型辨识 | 第29-37页 |
| 3.2.1 神经网络学习算法 | 第30页 |
| 3.2.2 神经网络激活函数的选取 | 第30-31页 |
| 3.2.3 隐藏层节点数 | 第31-32页 |
| 3.2.4 辨识结果 | 第32-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于神经网络的轨迹预测 | 第38-52页 |
| 4.1 神经网络预测模型的建立 | 第38页 |
| 4.2 模型训练试验 | 第38-42页 |
| 4.2.1 经纬度坐标转换 | 第38-39页 |
| 4.2.2 辨识结果 | 第39-42页 |
| 4.3 模型动力学行为分析 | 第42-47页 |
| 4.3.1 水平面运动分析 | 第42-46页 |
| 4.3.2 垂直面升降运动 | 第46-47页 |
| 4.3.3 定深航行运动 | 第47页 |
| 4.4 航行器操纵性能评估 | 第47-51页 |
| 4.4.1 回舵操纵实验 | 第47-49页 |
| 4.4.2 水平面Z型操纵实验 | 第49-50页 |
| 4.4.3 垂直面梯形操纵实验 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 PID参数预估 | 第52-58页 |
| 5.1 PID控制原理 | 第52-53页 |
| 5.1.1 离散增量式PID控制算法 | 第53页 |
| 5.1.2 PID整定方法 | 第53页 |
| 5.2 水下航行器航向控制策略与仿真 | 第53-55页 |
| 5.3 水下航行器下潜定深控制策略与仿真 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 结论与工作展望 | 第58-60页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
