| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第17-28页 |
| 1.1 研究背景和意义 | 第17-18页 |
| 1.2 国内外相关研究进展 | 第18-25页 |
| 1.2.1 船舶操纵性预报研究进展 | 第18-20页 |
| 1.2.2 船舶操纵运动系统辨识建模研究进展 | 第20-25页 |
| 1.3 本文主要工作及创新 | 第25-28页 |
| 1.3.1 本文的主要工作 | 第25-27页 |
| 1.3.2 本文的主要创新点 | 第27-28页 |
| 第二章 船舶操纵运动数学模型 | 第28-42页 |
| 2.1 引言 | 第28页 |
| 2.2 坐标系 | 第28-30页 |
| 2.3 三自由度船舶操纵运动数学模型 | 第30-36页 |
| 2.3.1 三自由度整体型数学模型 | 第30-33页 |
| 2.3.2 三自由度分离型数学模型 | 第33-35页 |
| 2.3.3 响应型数学模型 | 第35-36页 |
| 2.4 四自由度船舶操纵运动数学模型 | 第36-41页 |
| 2.4.1 四自由度整体型数学模型 | 第37-39页 |
| 2.4.2 四自由度分离型数学模型 | 第39-40页 |
| 2.4.3 耦合响应型数学模型 | 第40-41页 |
| 2.5 六自由度船舶操纵运动数学模型 | 第41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 船舶操纵运动系统辨识建模方法 | 第42-54页 |
| 3.1 引言 | 第42-43页 |
| 3.2 系统辨识建模 | 第43-44页 |
| 3.3 常用的系统辨识方法 | 第44-48页 |
| 3.3.1 最小二乘法 | 第45页 |
| 3.3.2 Kalman滤波 | 第45-46页 |
| 3.3.3 人工神经网络 | 第46-48页 |
| 3.4 支持向量机方法 | 第48-53页 |
| 3.4.1 ε-支持向量机 | 第49-52页 |
| 3.4.2 最小二乘支持向量机 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于支持向量机的四自由度水动力模型建模 | 第54-93页 |
| 4.1 引言 | 第54页 |
| 4.2 四自由度整体型水动力模型建模 | 第54-71页 |
| 4.2.1 白箱建模 | 第54-68页 |
| 4.2.2 灰箱建模 | 第68-71页 |
| 4.3 四自由度分离型水动力模型建模 | 第71-83页 |
| 4.3.1 白箱建模 | 第72-78页 |
| 4.3.2 灰箱建模 | 第78-83页 |
| 4.4 四自由度黑箱建模 | 第83-89页 |
| 4.4.1 黑箱建模算例 1 | 第84-86页 |
| 4.4.2 黑箱建模算例 2 | 第86-89页 |
| 4.5 四自由度模型系统辨识建模方法对比 | 第89-92页 |
| 4.5.1 预报精度对比 | 第89-90页 |
| 4.5.2 计算速度对比 | 第90-91页 |
| 4.5.3 所需已知条件对比 | 第91-92页 |
| 4.6 本章小结 | 第92-93页 |
| 第五章 基于支持向量机的耦合响应型模型建模 | 第93-108页 |
| 5.1 引言 | 第93页 |
| 5.2 耦合响应型模型 | 第93-97页 |
| 5.3 耦合响应型模型验证 | 第97-101页 |
| 5.4 耦合响应型模型辨识建模算例 | 第101-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第六章 四自由度水动力模型中的水动力系数灵敏度分析 | 第108-137页 |
| 6.1 引言 | 第108页 |
| 6.2 灵敏度分析方法 | 第108-113页 |
| 6.2.1 基于直接法的水动力系数灵敏度分析 | 第109-111页 |
| 6.2.2 基于间接法的水动力系数灵敏度分析 | 第111-113页 |
| 6.3 四自由度整体型模型的灵敏度分析 | 第113-125页 |
| 6.3.1 基于直接法的整体型模型中水动力系数灵敏度分析 | 第113-117页 |
| 6.3.2 基于间接法的整体型模型中水动力系数灵敏度分析 | 第117-120页 |
| 6.3.3 整体型水动力模型简化 | 第120-121页 |
| 6.3.4 简化的整体型水动力模型辨识建模 | 第121-125页 |
| 6.4 四自由度分离型模型的灵敏度分析 | 第125-135页 |
| 6.4.1 基于直接法的分离型模型中水动力系数灵敏度分析 | 第125-128页 |
| 6.4.2 基于间接法的分离型模型中水动力系数灵敏度分析 | 第128-131页 |
| 6.4.3 分离型水动力模型简化 | 第131-132页 |
| 6.4.4 简化的分离型水动力模型辨识建模 | 第132-135页 |
| 6.5 本章小结 | 第135-137页 |
| 第七章 果蝇优化算法在支持向量机参数选择中的应用 | 第137-148页 |
| 7.1 引言 | 第137页 |
| 7.2 群智能算法简介 | 第137-140页 |
| 7.2.1 粒子群算法 | 第137-139页 |
| 7.2.2 蚁群算法 | 第139页 |
| 7.2.3 果蝇优化算法 | 第139-140页 |
| 7.3 果蝇优化算法对支持向量机参数的优化 | 第140-147页 |
| 7.3.1 支持向量机参数对预报精度的影响 | 第140-142页 |
| 7.3.2 果蝇优化算法对支持向量机参数的优化算例 1 | 第142-145页 |
| 7.3.3 果蝇优化算法对支持向量机参数的优化算例 2 | 第145-147页 |
| 7.4 本章小结 | 第147-148页 |
| 第八章 总结与展望 | 第148-150页 |
| 8.1 全文总结 | 第148-149页 |
| 8.2 研究展望 | 第149-150页 |
| 参考文献 | 第150-159页 |
| 攻读博士学位期间主持与参加的科研项目 | 第159-160页 |
| 攻读博士学位期间发表与录用的论文 | 第160-162页 |
| 致谢 | 第162页 |
