飞行模拟器数字飞行控制系统建模与辅助训练的实现研究
摘要 | 第1-7页 |
Abstract | 第7-16页 |
第1章 绪论 | 第16-36页 |
·课题来源 | 第16页 |
·研究的背景与目的和意义 | 第16-18页 |
·辅助训练的功能需求 | 第18-20页 |
·课题相关领域的发展概况 | 第20-34页 |
·飞行模拟器 | 第20-28页 |
·自动飞行控制系统 | 第28-31页 |
·飞机配平方法 | 第31-32页 |
·飞行模式识别方法 | 第32-34页 |
·论文的主要研究内容 | 第34-36页 |
第2章 飞行模拟器数字飞行控制系统建模 | 第36-68页 |
·引言 | 第36页 |
·DFCS 的组成和功能 | 第36-39页 |
·DFCS 与其它系统的数据接口 | 第39-43页 |
·系统逻辑处理 | 第43-46页 |
·AP 衔接逻辑 | 第43-45页 |
·通告与警告逻辑 | 第45页 |
·飞行方式逻辑 | 第45-46页 |
·倾斜控制律 | 第46-55页 |
·航向选择倾斜指令 | 第47-49页 |
·VOR 倾斜指令 | 第49-51页 |
·LOC 倾斜指令 | 第51-53页 |
·复飞倾斜指令 | 第53-54页 |
·倾斜指令公共 | 第54页 |
·副翼指令 | 第54-55页 |
·俯仰巡航控制律 | 第55-63页 |
·垂直速度方式俯仰指令 | 第56-57页 |
·高度获得方式俯仰指令 | 第57-58页 |
·高度保持方式俯仰指令 | 第58-59页 |
·高度层转换方式俯仰指令 | 第59-62页 |
·俯仰指令公共 | 第62-63页 |
·升降舵指令 | 第63页 |
·俯仰进近控制律 | 第63-65页 |
·进近俯仰指令 | 第64-65页 |
·复飞俯仰指令 | 第65页 |
·升降舵指令 | 第65页 |
·安定面配平控制律 | 第65-67页 |
·本章小结 | 第67-68页 |
第3章 基于混合遗传算法的飞机定常状态求解 | 第68-88页 |
·引言 | 第68页 |
·配平问题概述 | 第68-71页 |
·定常状态求解的目标函数及约束 | 第71-74页 |
·飞机定常状态求解问题的特殊性 | 第74-75页 |
·遗传算法与个体学习机制 | 第75-77页 |
·学习机制与遗传算法结合 | 第75-76页 |
·两种学习机制的优缺点 | 第76-77页 |
·两种学习机制的混合应用 | 第77-81页 |
·个体学习潜能 | 第77-78页 |
·学习机制的结合方法 | 第78-81页 |
·混合遗传算法效能 | 第81-86页 |
·本章小结 | 第86-88页 |
第4章 辅助训练的飞行决策方法研究 | 第88-118页 |
·引言 | 第88页 |
·飞行决策与规则推理 | 第88-90页 |
·决策知识的表示和获取方法 | 第90-96页 |
·飞行条件的表示 | 第90-91页 |
·飞行动态的表示 | 第91-93页 |
·执行方案的表示 | 第93-94页 |
·决策规则的表示 | 第94-95页 |
·知识获取方法 | 第95-96页 |
·决策推理方法 | 第96-98页 |
·飞行模式的识别方法 | 第98-102页 |
·模式特征量与方法选择 | 第98-99页 |
·过程神经网络 | 第99-102页 |
·双隐层小波过程神经网络 | 第102-111页 |
·网络模型 | 第102-106页 |
·学习算法 | 第106-111页 |
·网络参数的初始化 | 第111-114页 |
·激励函数选择 | 第111页 |
·隐层神经元数目的确定 | 第111-112页 |
·学习参数的初始化 | 第112-114页 |
·样本获得与过程识别 | 第114-116页 |
·本章小结 | 第116-118页 |
第5章 面向对象的软件开发与实验研究 | 第118-142页 |
·引言 | 第118页 |
·飞行模拟器关键技术研究与试验平台 | 第118-131页 |
·系统组成原理 | 第118-119页 |
·系统硬件结构 | 第119-122页 |
·计算机体系结构及配置 | 第122-125页 |
·软件结构设计 | 第125-131页 |
·数字飞行控制系统模型逼真度验证 | 第131-139页 |
·飞行模式识别及规则推理有效性验证 | 第139-141页 |
·本章小结 | 第141-142页 |
结论 | 第142-144页 |
参考文献 | 第144-154页 |
攻读学位期间发表的学术论文 | 第154-156页 |
致谢 | 第156-157页 |
个人简历 | 第157页 |