| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 无人机的发展及应用 | 第9-10页 |
| 1.2.2 无人机姿态控制研究现状 | 第10-11页 |
| 1.2.3 深度学习研究现状 | 第11-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 四旋翼无人机飞行姿态控制理论 | 第16-26页 |
| 2.1 四旋翼无人机飞行姿态控制原理 | 第16-18页 |
| 2.1.1 四旋翼无人机结构 | 第16-17页 |
| 2.1.2 四旋翼无人机姿态控制原理 | 第17-18页 |
| 2.2 参考坐标系及主要姿态参数 | 第18-21页 |
| 2.2.1 建立参考坐标系 | 第18-19页 |
| 2.2.2 四旋翼无人机飞行姿态参数 | 第19-20页 |
| 2.2.3 坐标系变换矩阵 | 第20-21页 |
| 2.3 四旋翼无人机空间姿态方程 | 第21-25页 |
| 2.3.1 假设条件 | 第21页 |
| 2.3.2 四旋翼无人机空间姿态数学方程 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 深度学习算法研究 | 第26-46页 |
| 3.1 Caffe架构的原理与搭建 | 第26-31页 |
| 3.1.1 Caffe架构的特性分析 | 第26-27页 |
| 3.1.2 Caffe架构的结构及运算流程分析 | 第27-29页 |
| 3.1.3 Caffe架构的搭建 | 第29-31页 |
| 3.2 传统神经网络 | 第31-34页 |
| 3.2.1 人工神经元模型 | 第31-32页 |
| 3.2.2 BP神经网络 | 第32-34页 |
| 3.3 卷积神经网络 | 第34-45页 |
| 3.3.1 卷积神经网络的结构 | 第34-39页 |
| 3.3.2 局部连接和权值共享 | 第39-40页 |
| 3.3.3 训练算法分析 | 第40-43页 |
| 3.3.4 激活函数的选择 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 无人机飞行姿态稳定控制技术研究 | 第46-58页 |
| 4.1 预测控制 | 第46-48页 |
| 4.1.1 预测控制结构 | 第46-47页 |
| 4.1.2 预测控制原理 | 第47-48页 |
| 4.2 基于卷积神经网络的预测算法研究 | 第48-51页 |
| 4.2.1 卷积神经网络预测模型 | 第48-50页 |
| 4.2.2 卷积神经网络预测仿真 | 第50-51页 |
| 4.3 基于深度学习的无人机飞行姿态稳定控制技术研究 | 第51-56页 |
| 4.3.1 基于卷积神经网络的无人机姿态控制器设计 | 第51-54页 |
| 4.3.2 基于卷积神经网络的无人机姿态预测器设计 | 第54-55页 |
| 4.3.3 无人机飞行姿态稳定控制系统结构 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 无人机飞行姿态稳定控制仿真与结果分析 | 第58-67页 |
| 5.1 无人机飞行姿态稳定控制仿真流程 | 第58页 |
| 5.2 构建样本数据集 | 第58-60页 |
| 5.3 仿真结果与对比分析 | 第60-66页 |
| 5.3.1 滚转姿态角稳定控制仿真 | 第61-63页 |
| 5.3.2 俯仰姿态角稳定控制仿真 | 第63-64页 |
| 5.3.3 偏航姿态角稳定控制仿真 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文研究工作总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 作者简介及攻读学位期间所取得的研究成果 | 第72页 |
