动力定位系统神经网络与PD混合控制研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 论文选题的背景及意义 | 第9-11页 |
| 1.2 船舶动力定位系统 | 第11-13页 |
| 1.2.1 动力定位系统的工作原理 | 第11-12页 |
| 1.2.2 动力定位的分级 | 第12-13页 |
| 1.3 国内外动力定位系统的研究现状 | 第13-17页 |
| 1.3.1 动力定位产品的国内外现状 | 第13-14页 |
| 1.3.2 动力定位控制技术的国内外现状 | 第14-17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 第2章 动力定位船舶数学模型 | 第19-36页 |
| 2.1 坐标系统及船舶运动的相关参数 | 第19-21页 |
| 2.2 动力定位船舶运动数学模型 | 第21-24页 |
| 2.2.1 运动学模型 | 第21-22页 |
| 2.2.2 动力学模型 | 第22-24页 |
| 2.3 海洋环境干扰模型 | 第24-30页 |
| 2.3.1 风的模型 | 第25-27页 |
| 2.3.2 海浪的模型 | 第27-29页 |
| 2.3.3 海流的模型 | 第29-30页 |
| 2.4 动力定位的数据滤波与状态估计 | 第30-32页 |
| 2.4.1 系统模型和测量模型 | 第30-31页 |
| 2.4.2 卡尔曼估计滤波器模型 | 第31-32页 |
| 2.5 动力定位船舶数学模型的验证 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 神经网络PD混合控制器的设计 | 第36-54页 |
| 3.1 神经网络概述 | 第36-41页 |
| 3.1.1 神经网络的结构 | 第37-39页 |
| 3.1.2 神经网络的学习 | 第39-41页 |
| 3.2 多层前向神经网络及BP算法 | 第41-45页 |
| 3.2.1 多层前向神经网络结构 | 第41-42页 |
| 3.2.2 BP算法 | 第42-45页 |
| 3.3 RBF神经网络 | 第45-47页 |
| 3.3.1 RBF神经网络数学描述 | 第45-46页 |
| 3.3.2 RBF神经网络学习算法 | 第46-47页 |
| 3.4 RBF与PD的混合控制 | 第47-53页 |
| 3.4.1 基于RBF神经网络的控制方案 | 第47-48页 |
| 3.4.2 RBF与PD的混合控制 | 第48-50页 |
| 3.4.3 RBF与PD混合控制仿真分析 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 船舶动力定位控制及仿真研究 | 第54-65页 |
| 4.1 引言 | 第54页 |
| 4.2 RBF-PD混合控制器的设计 | 第54-56页 |
| 4.3 静水情况下深海船舶动力定位仿真情况 | 第56-60页 |
| 4.3.1 静水无测量噪声干扰情况 | 第56-58页 |
| 4.3.2 静水有测量噪声干扰情况 | 第58-60页 |
| 4.4 海洋环境干扰下深海船舶动力定位仿真情况 | 第60-64页 |
| 4.4.1 海浪干扰下的变位置仿真 | 第61-62页 |
| 4.4.2 风、浪干扰下的动力定位与艏向调节 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 研究生履历 | 第71页 |
