基于BP神经网络的空间飞行器姿态控制研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·飞行器姿态控制的作用及意义 | 第8-10页 |
| ·神经网络的发展与现状 | 第10-12页 |
| ·神经网络的发展 | 第10-11页 |
| ·神经网络控制的优越性 | 第11-12页 |
| ·飞行器姿态控制研究现状 | 第12-16页 |
| ·经典飞行器姿态控制 | 第13-14页 |
| ·现代飞行器姿态控制 | 第14页 |
| ·飞行器姿态智能控制 | 第14-15页 |
| ·国内外智能控制的研究现状 | 第15-16页 |
| ·本文的主要工作 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 飞行器姿态控制系统 | 第17-35页 |
| ·飞行器控制基本概念 | 第17-22页 |
| ·飞行器控制的分类 | 第17-21页 |
| ·常用的参考坐标系 | 第21-22页 |
| ·飞行器的姿态描述 | 第22页 |
| ·飞行器的姿态运动学 | 第22-26页 |
| ·“3-1-3”旋转 | 第23-25页 |
| ·“1-2-3”旋转 | 第25-26页 |
| ·飞行器的姿态动力学 | 第26-29页 |
| ·动量矩定理 | 第26-28页 |
| ·姿态动力学方程 | 第28-29页 |
| ·飞行器一般运动方程 | 第29-32页 |
| ·六自由度运动方程 | 第29-30页 |
| ·六自由度线性化运动方程 | 第30-32页 |
| ·姿态干扰力矩 | 第32-34页 |
| ·气动力矩 | 第32页 |
| ·重力梯度力矩 | 第32-33页 |
| ·磁干扰力矩 | 第33页 |
| ·辐射力矩 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 神经网络基础理论及控制技术 | 第35-47页 |
| ·神经网络控制技术的现状及其应用 | 第35-37页 |
| ·神经网络控制技术的现状 | 第35-36页 |
| ·神经网络控制技术的应用 | 第36-37页 |
| ·神经元模型和神经网络模型 | 第37-40页 |
| ·控制用的神经元模型 | 第38-39页 |
| ·人工神经网络模型 | 第39-40页 |
| ·BP 神经网络 | 第40-43页 |
| ·BP 神经网络原理 | 第40-42页 |
| ·BP 神经网络应用现状 | 第42-43页 |
| ·BP 网络的学习算法 | 第43-45页 |
| ·性能指标 | 第43页 |
| ·BP 网络参数优化算法 | 第43-45页 |
| ·BP 网络的设计 | 第45-46页 |
| ·输入和输出层设计 | 第45页 |
| ·隐含层的设计 | 第45页 |
| ·初始值的选取 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 飞行器姿态神经网络预测控制 | 第47-53页 |
| ·预测控制概况 | 第47-49页 |
| ·预测控制的应用 | 第47页 |
| ·神经网络的预测控制 | 第47-49页 |
| ·飞行器姿态方程的建立 | 第49页 |
| ·预测控制 | 第49-51页 |
| ·神经网络预测模型 | 第50-51页 |
| ·预测控制器的设计 | 第51页 |
| ·数字仿真 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于BP 算法的飞行器姿态控制 | 第53-63页 |
| ·BP 网络的算法 | 第53-57页 |
| ·BP 网络结构 | 第53-54页 |
| ·BP 算法步骤 | 第54-55页 |
| ·BP 神经网络控制器的设计 | 第55-56页 |
| ·神经网络的非线性预测模型 | 第56-57页 |
| ·飞行器姿态控制系统结构 | 第57-58页 |
| ·仿真实例 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 6 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67页 |
