倾转旋翼飞行器在线辨识模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10-12页 |
| ·倾转旋翼飞行器的发展概述 | 第12-13页 |
| ·研究目的与意义 | 第13-14页 |
| ·飞行器飞行参数辨识发展现状 | 第14-15页 |
| ·本文研究工作 | 第15-17页 |
| 第二章 倾转旋翼机模型结构 | 第17-23页 |
| ·机体运动方程 | 第17-18页 |
| ·气动力模型 | 第18-20页 |
| ·旋翼气动力模型 | 第19页 |
| ·机体气动力模型 | 第19-20页 |
| ·气动力的合成 | 第20页 |
| ·非线性模型线性化与降阶 | 第20-21页 |
| ·线化模型离散化 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 系统辨识原理及方法 | 第23-48页 |
| ·引言 | 第23页 |
| ·系统辨识的概念 | 第23-25页 |
| ·系统辨识的定义 | 第23页 |
| ·系统辨识的等价准则 | 第23-24页 |
| ·系统辨识的内容和步骤 | 第24-25页 |
| ·最小二乘辨识方法 | 第25-33页 |
| ·问题的提出 | 第26-27页 |
| ·最小二乘问题的解 | 第27-28页 |
| ·最小二乘算法的统计特性 | 第28-30页 |
| ·无偏性 | 第28-29页 |
| ·一致性 | 第29页 |
| ·有效性 | 第29页 |
| ·渐进正态性 | 第29页 |
| ·e(k)方差σ~2 的估计 | 第29-30页 |
| ·最小二乘递推算法 | 第30-32页 |
| ·遗忘因子递推算法 | 第32-33页 |
| ·基于无迹卡尔曼滤波的在线系统辨识方法 | 第33-39页 |
| ·卡尔曼滤波器 | 第33-35页 |
| ·无迹变换 | 第35-36页 |
| ·无迹卡尔曼滤波算法 | 第36-37页 |
| ·无迹卡尔曼滤波辨识算法 | 第37-39页 |
| ·基于神经网络的系统辨识 | 第39-47页 |
| ·基于神经网络的系统辨识原理 | 第39-40页 |
| ·正向模型辨识 | 第39-40页 |
| ·逆向模型辨识 | 第40页 |
| ·前向BP 神经网络 | 第40-44页 |
| ·神经网络输入模式顺传播 | 第41-42页 |
| ·基于梯度下降法的误差逆传播学习 | 第42-44页 |
| ·BP 算法存在的缺陷和改进措施 | 第44-45页 |
| ·BP 算法存在的缺陷 | 第44页 |
| ·BP 算法的改进措施 | 第44-45页 |
| ·网络结构的设计 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 飞行试验数据预处理 | 第48-58页 |
| ·引言 | 第48页 |
| ·野值的识别、剔除与修正 | 第48-50页 |
| ·修正准则的建立及野值的识别和剔除方法的确定 | 第48-49页 |
| ·野值的识别和剔除 | 第49-50页 |
| ·野值的补正 | 第50页 |
| ·数字滤波器的设计 | 第50-54页 |
| ·无限冲激响应滤波器的设计 | 第50-51页 |
| ·有限冲激响应滤波器的设计 | 第51-54页 |
| ·窗口方法 | 第51-53页 |
| ·最佳方法 | 第53页 |
| ·频率抽样方法 | 第53-54页 |
| ·曲线拟合 | 第54-55页 |
| ·飞行试验数据处理 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 倾转旋翼机模型辨识 | 第58-78页 |
| ·引言 | 第58页 |
| ·最小二乘递推辨识 | 第58-66页 |
| ·最小二乘递推算法 | 第58-59页 |
| ·模型辨识 | 第59-66页 |
| ·基于无迹卡尔曼滤波辨识 | 第66-72页 |
| ·基于无迹卡尔曼滤波辨识算法 | 第66页 |
| ·模型辨识 | 第66-72页 |
| ·基于神经网络的辨识 | 第72-77页 |
| ·基于神经网络辨识算法 | 第72-73页 |
| ·模型辨识 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 全文总结与展望 | 第78-79页 |
| ·研究工作总结 | 第78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |
