| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-12页 |
| 1.2 无人机飞行仿真系统国内外文献综述及研究现状 | 第12-15页 |
| 1.2.1 飞行仿真系统国内外发展现状综述 | 第12-14页 |
| 1.2.2 飞行仿真建模方法及国内外研究状况综述 | 第14页 |
| 1.2.3 飞行仿真视景系统实现方法及国内外研究状况综述 | 第14-15页 |
| 1.3 本文的主要研究内容及各章内容安排 | 第15-17页 |
| 第2章 基于RBF 神经网络的气动建模基本理论 | 第17-39页 |
| 2.1 神经网络概述 | 第17-20页 |
| 2.1.1 神经网络的主要特点 | 第18-19页 |
| 2.1.2 神经网络的应用领域 | 第19页 |
| 2.1.3 神经元结构模型 | 第19-20页 |
| 2.2 RBF 神经网络 | 第20-24页 |
| 2.2.1 RBF 神经网络结构 | 第21-23页 |
| 2.2.2 RBF 神经网络算法 | 第23-24页 |
| 2.3 无人机动力学数学模型 | 第24-29页 |
| 2.3.1 常用坐标系简介 | 第25-26页 |
| 2.3.2 无人机运动方程 | 第26-28页 |
| 2.3.3 无人机六自由度全量运动方程 | 第28-29页 |
| 2.4 无人机运动方程分析 | 第29-37页 |
| 2.4.1 飞行速度分析 | 第29-30页 |
| 2.4.2 质量变化特性分析 | 第30-31页 |
| 2.4.3 作用在无人机上的力和力矩分析 | 第31-34页 |
| 2.4.4 空气动力学模型输入输出分析 | 第34-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第3章 基于 RBF 神经网络的无人机气动建模及验证 | 第39-50页 |
| 3.1 飞行数据预处理 | 第39-43页 |
| 3.1.1 异常数据的识别、剔除和修正 | 第39-41页 |
| 3.1.2 数据插值 | 第41页 |
| 3.1.3 数据平滑 | 第41-43页 |
| 3.1.4 数据归一化 | 第43页 |
| 3.2 基于 RBF 神经网络的空气动力学数学模型 | 第43-44页 |
| 3.3 数学模型仿真结果及分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于 OSG 的飞行仿真视景系统设计与实现 | 第50-61页 |
| 4.1 飞行仿真系统总体规划与设计 | 第50-51页 |
| 4.1.1 方案概述 | 第50页 |
| 4.1.2 运行流程 | 第50页 |
| 4.1.3 系统框架 | 第50-51页 |
| 4.2 OSG 图形渲染引擎 | 第51-52页 |
| 4.3 飞行仿真视景系统设计与实现 | 第52-59页 |
| 4.3.1 地形及视景构建 | 第52-57页 |
| 4.3.2 视景系统与 Matlab 闭环通信 | 第57-58页 |
| 4.3.3 基于 DirectInput 的杆、舵参数采集 | 第58-59页 |
| 4.4 系统仿真结果 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
