| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 风速短期预测国内外研究现状 | 第11-12页 |
| 1.2.1 风速短期预测国外研究现状 | 第11-12页 |
| 1.2.2 风速短期预测国内研究现状 | 第12页 |
| 1.3 超声波风速仪的研究现状 | 第12-13页 |
| 1.4 本论文主要研究工作 | 第13-15页 |
| 第2章 基于超声波阵列的三维风速仪设计 | 第15-30页 |
| 2.1 基于三维超声波阵列的风速测量原理 | 第15-17页 |
| 2.1.1 时差法风速测量原理 | 第15-16页 |
| 2.1.2 三维超声风速测量传感阵列设计 | 第16-17页 |
| 2.2 超声波风速仪的硬件设计 | 第17-25页 |
| 2.2.1 系统硬件总体功能设计 | 第17-18页 |
| 2.2.2 TDC-GP21 硬件电路设计 | 第18-21页 |
| 2.2.3 超声波驱动电路 | 第21-22页 |
| 2.2.4 带通滤波放大电路 | 第22-23页 |
| 2.2.5 多路选择器设计 | 第23-24页 |
| 2.2.6 电源的设计 | 第24-25页 |
| 2.2.7 系统控制模块 | 第25页 |
| 2.2.8 通信接口设计 | 第25页 |
| 2.3 系统软件程序设计 | 第25-28页 |
| 2.4 系统误差分析与校准 | 第28-29页 |
| 2.4.1 超声波接收过程带来的误差 | 第28页 |
| 2.4.2 温度补偿带来的误差 | 第28-29页 |
| 2.4.3 其他误差 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 支持向量机与粒子群优化算法原理 | 第30-35页 |
| 3.1 支持向量机理论 | 第30-33页 |
| 3.1.1 支持向量回归机 | 第30-32页 |
| 3.1.2 核函数 | 第32-33页 |
| 3.2 粒子群优化算法原理 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于 PSO 算法和 SVR 的风速短期预测 | 第35-45页 |
| 4.1 支持向量回归机的参数寻优 | 第35-36页 |
| 4.2 基于 LIBSVM 工具箱建立 PSO-SVR 风速短期预测模型 | 第36-38页 |
| 4.2.1 LIBSVM 工具箱简介 | 第36页 |
| 4.2.2 PSO 优化算法参数选择 | 第36-37页 |
| 4.2.3 PSO-SVR 算法流程图 | 第37-38页 |
| 4.3 实例分析 | 第38-39页 |
| 4.4 仿真验证及结果对比分析 | 第39-44页 |
| 4.5 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51页 |