飞行器航迹规划与航迹评价算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·航迹规划系统的研究现状 | 第10-11页 |
| ·航迹规划与评价算法的研究现状 | 第11-13页 |
| ·本文的主要研究工作 | 第13-15页 |
| 第2章 航迹规划问题建模 | 第15-28页 |
| ·数字地形模型 | 第15-19页 |
| ·DEM 的主要表示模型 | 第16-18页 |
| ·本文所采用的数字地形模型 | 第18-19页 |
| ·航迹规划问题描述 | 第19-25页 |
| ·空间模型的建立 | 第19-20页 |
| ·航迹表达方式 | 第20-22页 |
| ·航迹约束条件 | 第22-25页 |
| ·航迹代价函数 | 第25-27页 |
| ·代价函数的选取 | 第25-26页 |
| ·代价函数归一化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 飞行器三维航迹规划算法研究 | 第28-46页 |
| ·A*算法原理 | 第28-34页 |
| ·图的搜索原理 | 第28-31页 |
| ·启发式搜索及A*算法 | 第31-32页 |
| ·A*算法的性质 | 第32-34页 |
| ·SAS 算法介绍 | 第34-35页 |
| ·改进的SAS 算法 | 第35-41页 |
| ·规划空间的划分 | 第36-37页 |
| ·估计函数的改进 | 第37-38页 |
| ·算法收敛性证明 | 第38-40页 |
| ·改进的SAS 算法流程 | 第40-41页 |
| ·实验结果及分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 飞行器航迹评价算法研究 | 第46-62页 |
| ·人工神经网络简介 | 第46-51页 |
| ·人工神经元模型 | 第47-48页 |
| ·人工神经网络模型 | 第48-50页 |
| ·反向传播网络 | 第50-51页 |
| ·航迹评价模型的建立 | 第51-56页 |
| ·航迹评价指标体系及归一化方法 | 第51-53页 |
| ·BP 神经网络评价模型的建立 | 第53-56页 |
| ·训练样本的选取 | 第56页 |
| ·改进的BP 学习算法 | 第56-59页 |
| ·自适应学习速率方法 | 第56-57页 |
| ·LMBP 学习算法 | 第57-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
