基于神经网络水下机器人的容错控制
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·概述 | 第12页 |
| ·水下机器人概述 | 第12-13页 |
| ·水下机器人分类 | 第12-13页 |
| ·水下机器人发展趋势 | 第13页 |
| ·水下机器人的容错控制 | 第13-20页 |
| ·容错控制的发展历程 | 第15页 |
| ·容错控制的分类 | 第15-19页 |
| ·AUV容错控制的国内外研究动态 | 第19-20页 |
| ·论文的主要工作 | 第20-22页 |
| ·论文研究的背景和意义 | 第20-21页 |
| ·论文的主要工作 | 第21-22页 |
| 第2章 神经网络的基本理论 | 第22-32页 |
| ·人工神经元和神经网络 | 第22-23页 |
| ·多层前馈神经网络及其BP网络 | 第23-24页 |
| ·径向基函数神经网络 | 第24-26页 |
| ·RBF网络的结构 | 第24-25页 |
| ·RBF神经网络的算法 | 第25-26页 |
| ·RBF网络特点 | 第26页 |
| ·ELMAN型网络 | 第26-27页 |
| ·小波神经网络 | 第27-31页 |
| ·小波网络的构造 | 第27-28页 |
| ·小波变换的基本原理 | 第28-30页 |
| ·小波神经网络和常规神经网络的比较 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于神经网络的传感器的容错控制 | 第32-55页 |
| ·概述 | 第32-33页 |
| ·水下机器人传感器的基本配置 | 第33页 |
| ·传感器故障诊断方法综述 | 第33-34页 |
| ·传感器主要故障及其表现形式 | 第33-34页 |
| ·传感器的数据融合诊断方法 | 第34-38页 |
| ·多传感器数据融合的概念和特点 | 第34-35页 |
| ·冗余信息分类法 | 第35-36页 |
| ·基于数据融合的故障决策 | 第36页 |
| ·神经网络的数据融合 | 第36-38页 |
| ·水下机器人的水动力模型 | 第38-41页 |
| ·基于RBF神经网络传感器的系统辨识 | 第41-45页 |
| ·传感器RBF网络预测模型 | 第41-42页 |
| ·网络输出的递推多步预测 | 第42页 |
| ·反馈校正 | 第42-43页 |
| ·基于RBF网络的系统辨识 | 第43-45页 |
| ·多传感器信息融合和故障传感器的信号恢复 | 第45-47页 |
| ·仿真试验分析 | 第47-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 基于神经网络水下机器人的容错控制 | 第55-73页 |
| ·引言 | 第55页 |
| ·小波分析与奇异信号 | 第55-57页 |
| ·小波阈值法检测奇异信号 | 第57-58页 |
| ·小波神经网络的改进 | 第58-60页 |
| ·小波网络用于机器人运动建模 | 第60-62页 |
| ·改进小波网络仿真试验结果及分析 | 第62-65页 |
| ·推进系统的推力分配 | 第65-67页 |
| ·推进器的容错控制 | 第67-69页 |
| ·推进器容错仿真试验结果及分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
