激光陀螺温度误差建模与补偿研究
| 第一章 概述 | 第1-17页 |
| ·激光陀螺发展简介 | 第8-10页 |
| ·激光陀螺历史回顾 | 第8-9页 |
| ·国外激光陀螺的发展 | 第9-10页 |
| ·国内激光陀螺的发展 | 第10页 |
| ·激光陀螺基本原理及特点 | 第10-13页 |
| ·基本原理 | 第10-12页 |
| ·激光陀螺的特点 | 第12-13页 |
| ·论文研究内容及安排 | 第13-17页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·论文安排 | 第15-17页 |
| 第二章 误差系数标定方法 | 第17-32页 |
| ·一般惯性组合线性误差补偿模型 | 第17-21页 |
| ·误差系数标定 | 第21-29页 |
| ·位置标定 | 第22-28页 |
| ·速率标定 | 第28-29页 |
| ·激光陀螺捷联惯导组合误差标定 | 第29-32页 |
| ·误差模型 | 第29页 |
| ·速率标定试验 | 第29-30页 |
| ·位置标定 | 第30-32页 |
| 第三章 建模方法分析 | 第32-35页 |
| ·温度误差建模方法 | 第32页 |
| ·刻度因子温度建模 | 第32-33页 |
| ·陀螺漂移温度建模 | 第33-35页 |
| 第四章 人工神经网络简介 | 第35-46页 |
| ·人工神经网络的发展与应用 | 第35-37页 |
| ·神经网络的发展 | 第35-36页 |
| ·神经网络的应用 | 第36-37页 |
| ·人工神经元模型及网络结构 | 第37-41页 |
| ·神经元模型 | 第37-41页 |
| ·网络结构 | 第41页 |
| ·工作方式 | 第41-42页 |
| ·神经网络的学习 | 第42-46页 |
| ·学习方式 | 第42-43页 |
| ·学习算法 | 第43-44页 |
| ·学习与自适应 | 第44-46页 |
| 第五章 BP网络曲线拟合方法研究 | 第46-57页 |
| ·BP网络简介 | 第46-47页 |
| ·反向传播算法 | 第47-48页 |
| ·BP网络用于非线性曲线拟合 | 第48-50页 |
| ·曲线拟合原理 | 第49页 |
| ·曲线拟合一般步骤 | 第49-50页 |
| ·网络结构及参数对拟合性能的影响 | 第50-52页 |
| ·网络结构 | 第50-51页 |
| ·各个初始参数的取值 | 第51-52页 |
| ·曲线拟合的简单例子 | 第52-54页 |
| ·改进拟合性能的一些措施 | 第54页 |
| ·数据的预处理 | 第54页 |
| ·数据样本的划分 | 第54页 |
| ·对过拟合的处理 | 第54-55页 |
| ·修改性能函数 | 第55页 |
| ·提前结束训练 | 第55页 |
| ·BP网络改进算法 | 第55-57页 |
| 第六章 基于BP网络的激光陀螺温度误差模型 | 第57-71页 |
| ·温度对激光陀螺误差影响 | 第57页 |
| ·单输入/单输出刻度因子温度模型 | 第57-61页 |
| ·数据是否需要预处理 | 第58页 |
| ·网络结构确定 | 第58-59页 |
| ·网络模型与训练 | 第59页 |
| ·原始数据分析 | 第59-60页 |
| ·结果分析 | 第60-61页 |
| ·双输入/单输出刻度因子温度模型 | 第61-64页 |
| ·网络结构确定 | 第61-62页 |
| ·隐层节点数与传输函数 | 第62页 |
| ·网络模型与训练 | 第62-63页 |
| ·结果分析 | 第63-64页 |
| ·陀螺漂移网络模型 | 第64-67页 |
| ·单输入/单输出陀螺漂移温度模型 | 第65-66页 |
| ·双输入/单输出陀螺漂移温度模型 | 第66-67页 |
| ·随机漂移模型 | 第67-69页 |
| ·数据分析 | 第67-68页 |
| ·建立网络模型 | 第68-69页 |
| ·结果分析 | 第69页 |
| ·小结 | 第69-71页 |
| 第七章 工程应用中的问题讨论 | 第71-73页 |
| ·传输函数的计算问题 | 第71页 |
| ·计算量与实时性问题 | 第71-72页 |
| ·网络输入量的选择 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
