基于SVM的直升机飞行状态识别方法及其应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 直升机状态识别方法 | 第8-10页 |
| 1.2.2 分类识别方法 | 第10-11页 |
| 1.3 本文的主要研究内容和技术路线 | 第11-13页 |
| 第二章 直升机飞行状态识别相关基础理论知识 | 第13-18页 |
| 2.1 概述 | 第13页 |
| 2.2 飞行原理 | 第13-14页 |
| 2.3 飞行参数 | 第14-15页 |
| 2.4 飞行状态 | 第15页 |
| 2.5 支持向量机分类原理 | 第15-17页 |
| 2.6 本章小结 | 第17-18页 |
| 第三章 基于SVM的直升机飞行状态识别方法研究 | 第18-41页 |
| 3.1 概述 | 第18页 |
| 3.2 数据预处理 | 第18-23页 |
| 3.2.1 数据去噪 | 第19-22页 |
| 3.2.2 数据平滑 | 第22-23页 |
| 3.2.3 飞行参数拟合 | 第23页 |
| 3.3 飞行状态敏感参数提取方法 | 第23-27页 |
| 3.3.1 飞行状态操纵特性分析 | 第23-24页 |
| 3.3.2 敏感飞行参数提取 | 第24-25页 |
| 3.3.3 实验及结果分析 | 第25-27页 |
| 3.4 飞行状态预分类方法 | 第27-31页 |
| 3.5 SVM状态识别方法 | 第31-35页 |
| 3.5.1 数据归一化 | 第32页 |
| 3.5.2 分类器设计及训练 | 第32-34页 |
| 3.5.3 基于遗传算法的SVM参数寻优 | 第34-35页 |
| 3.6 实验及结果分析 | 第35-40页 |
| 3.6.1 单点识别实验 | 第35-36页 |
| 3.6.2 全起落识别实验 | 第36-37页 |
| 3.6.3 对比实验 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 直升机飞行状态识别系统设计 | 第41-66页 |
| 4.1 概述 | 第41页 |
| 4.2 系统总体设计 | 第41-57页 |
| 4.2.1 系统配置 | 第43页 |
| 4.2.2 系统构建 | 第43-46页 |
| 4.2.3 接口设计 | 第46-57页 |
| 4.3 功能模块实现 | 第57-61页 |
| 4.3.1 预分类方案子系统 | 第57页 |
| 4.3.2 试验管理子系统 | 第57-58页 |
| 4.3.3 训练网络子系统 | 第58-59页 |
| 4.3.4 状态识别子系统 | 第59-60页 |
| 4.3.5 识别历史子系统 | 第60-61页 |
| 4.4 系统联调及应用 | 第61-65页 |
| 4.4.1 预分类方案 | 第62-63页 |
| 4.4.2 试验管理 | 第63页 |
| 4.4.3 训练网络 | 第63-64页 |
| 4.4.4 状态识别 | 第64-65页 |
| 4.4.5 识别历史 | 第65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 研究工作总结 | 第66页 |
| 5.2 研究工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间参与的科研项目和成果 | 第73-74页 |
| 致谢 | 第74-75页 |
