| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 课题的背景及意义 | 第13-15页 |
| 1.2 相关技术的国内外发展及状况 | 第15-22页 |
| 1.2.1 舰船运动建模国内外研究概况 | 第15-19页 |
| 1.2.2 基于神经网络的运姿建模的研究现状 | 第19-20页 |
| 1.2.3 虚拟现实在航海仿真中的应用 | 第20-22页 |
| 1.3 本文课题研究的主要内容 | 第22-25页 |
| 第2章 相关知识介绍 | 第25-39页 |
| 2.1 舰船坐标系统与运动学 | 第25-26页 |
| 2.1.1 舰船的坐标系统 | 第25页 |
| 2.1.2 舰船相对坐标系统运动学 | 第25-26页 |
| 2.1.3 舰船惯性坐标系统运动学 | 第26页 |
| 2.2 人工神经网络概论 | 第26-34页 |
| 2.2.1 神经网络基本思想 | 第26-28页 |
| 2.2.2 人工神经元形式化结构 | 第28-29页 |
| 2.2.3 多层感知器MLP | 第29-34页 |
| 2.3 虚拟现实基本概述 | 第34-37页 |
| 2.3.1 虚拟现实的定义及特性 | 第34-35页 |
| 2.3.2 虚拟现实系统的组成及关键性技术 | 第35-37页 |
| 2.3.3 虚拟现实系统硬件及外设 | 第37页 |
| 2.4 本章小结 | 第37-39页 |
| 第3章 基于LSTM的模型构建和训练 | 第39-53页 |
| 3.1 传统递归神经网络RNN | 第39-41页 |
| 3.1.1 RNN基本模型 | 第39-41页 |
| 3.1.2 双向递归神经网络 | 第41页 |
| 3.2 长短时记忆神经网络模型LSTM | 第41-47页 |
| 3.2.1 LSTM网络模型结构及计算方法 | 第41-45页 |
| 3.2.2 双向长短时记忆神经网络模型BLSTM | 第45页 |
| 3.2.3 Xavier初始权值方法介绍 | 第45页 |
| 3.2.4 Dropout介绍 | 第45-47页 |
| 3.2.5 ReLU介绍 | 第47页 |
| 3.3 基于LSTM的舰船运动姿态预测设计 | 第47-50页 |
| 3.3.1 时间序列和AR模型 | 第47-48页 |
| 3.3.2 基于LSTM的运动姿态模型 | 第48-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第4章 LSTM模型实验与结果分析 | 第53-63页 |
| 4.1 实验设计 | 第53-55页 |
| 4.1.1 实验环境 | 第53页 |
| 4.1.2 数据采集 | 第53-54页 |
| 4.1.3 网络具体设计结构 | 第54-55页 |
| 4.2 实验结果和分析 | 第55-60页 |
| 4.3 本章小结 | 第60-63页 |
| 第5章 基于OpenGL的舰船运动姿态虚拟现实仿真 | 第63-77页 |
| 5.1 OpenGL图形库及常用的三维建模软件介绍 | 第63-64页 |
| 5.1.1 OpenGL图形库的基本介绍 | 第63-64页 |
| 5.1.2 3ds Max | 第64页 |
| 5.2 舰船运动姿态仿真设计与实现 | 第64-76页 |
| 5.2.1 三维模型创建与读取 | 第64-68页 |
| 5.2.2 海水波动模型 | 第68-70页 |
| 5.2.3 基于MFC的OpenGL船舶运动姿态仿真程序 | 第70-76页 |
| 5.3 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间所发表的学术论文 | 第83-85页 |
| 致谢 | 第85页 |
