| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 船舶动力定位系统简介 | 第11-15页 |
| 1.2.1 船舶动力定位系统工作原理 | 第11-12页 |
| 1.2.2 船舶动力定位系统的组成 | 第12-14页 |
| 1.2.3 船舶动力定位工作模式 | 第14-15页 |
| 1.3 动力定位控制系统研究现状 | 第15-19页 |
| 1.3.1 动力定位控制系统的发展 | 第15-17页 |
| 1.3.2 Backstepping 方法与神经网络逼近 | 第17-18页 |
| 1.3.3 自适应控制方法概述 | 第18-19页 |
| 1.4 现阶段研究热点难点问题 | 第19-20页 |
| 1.5 本文主要工作 | 第20-22页 |
| 第2章 数学模型 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 坐标系定义与坐标转换关系 | 第22-24页 |
| 2.3 船舶运动数学模型 | 第24-28页 |
| 2.3.1 船舶低频运动数学模型 | 第25-27页 |
| 2.3.2 船舶高频运动数学模型 | 第27-28页 |
| 2.3.3 测量模型 | 第28页 |
| 2.4 环境力模型 | 第28-32页 |
| 2.4.1 风载荷模型 | 第28-30页 |
| 2.4.2 浪载荷模型 | 第30-31页 |
| 2.4.3 流载荷模型 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 反步正交神经网络自适应控制器设计 | 第33-55页 |
| 3.1 引言 | 第33页 |
| 3.2 反步积分控制器 | 第33-42页 |
| 3.2.1 反步积分控制器设计 | 第33-35页 |
| 3.2.2 实验模型及其技术参数 | 第35-36页 |
| 3.2.3 仿真结果与分析 | 第36-39页 |
| 3.2.4 实验结果与分析 | 第39-42页 |
| 3.3 神经网络方法介绍 | 第42-45页 |
| 3.3.1 神经网络的学习 | 第42-43页 |
| 3.3.2 Chebyshev 正交神经网络 | 第43-45页 |
| 3.4 反步正交神经网络自适应控制器设计 | 第45-47页 |
| 3.5 仿真结果与分析 | 第47-50页 |
| 3.6 实验结果与分析 | 第50-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第4章 正交神经网络鲁棒自适应控制器设计 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 基于正交神经网络鲁棒控制器设计 | 第55-61页 |
| 4.2.1 问题的描述 | 第55-56页 |
| 4.2.2 控制器设计及稳定性分析 | 第56-59页 |
| 4.2.3 仿真结果与分析 | 第59-61页 |
| 4.3 基于正交神经网络鲁棒自适应控制器设计 | 第61-65页 |
| 4.3.1 控制器设计和稳定性分析 | 第61-64页 |
| 4.3.2 仿真结果与分析 | 第64-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 基于复合误差的自适应控制 | 第67-77页 |
| 5.1 引言 | 第67页 |
| 5.2 基于跟踪误差和预测误差的复合自适应控制 | 第67-69页 |
| 5.2.1 误差特性分析 | 第67-68页 |
| 5.2.2 复合误差自适应控制 | 第68-69页 |
| 5.3 基于复合误差自适应控制器设计 | 第69-72页 |
| 5.4 仿真结果与分析 | 第72-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-80页 |
| 6.1 研究工作总结 | 第77-78页 |
| 6.2 研究工作展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |