| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 挠性加速度计在国内外的研究与发展现状 | 第10-12页 |
| 1.2.1 挠性加速度计国外研究与发展现状 | 第10-11页 |
| 1.2.2 挠性加速度计国内研究现状 | 第11-12页 |
| 1.3 课题研究目标 | 第12页 |
| 1.4 本文主要工作和内容安排 | 第12-14页 |
| 1.4.1 主要工作 | 第12页 |
| 1.4.2 内容安排 | 第12-14页 |
| 2 系统总体设计 | 第14-26页 |
| 2.1 实验方案设计与实验条件设定 | 第14-20页 |
| 2.1.1 石英挠性加速度计工作原理 | 第14-16页 |
| 2.1.2 石英挠性加速度计标定实验 | 第16-18页 |
| 2.1.3 实验方案设计与实验条件设定 | 第18-20页 |
| 2.2 系统总体方案 | 第20-25页 |
| 2.2.1 系统总体方案 | 第20-22页 |
| 2.2.2 人机交互界面 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 系统交互通信与数据处理模块 | 第26-37页 |
| 3.1 基于Zigbee技术的加速度计网络化测控平台介绍 | 第26-28页 |
| 3.1.1 测控平台网络拓扑 | 第26-27页 |
| 3.1.2 基于握手方式控制命令的可靠性传输 | 第27-28页 |
| 3.2 节点映射及数据帧格式设计 | 第28-29页 |
| 3.2.1 节点命名与端口映射 | 第28-29页 |
| 3.2.2 数据帧格式设计 | 第29页 |
| 3.3 通信网关 | 第29-31页 |
| 3.4 标定实验控制模式 | 第31-32页 |
| 3.5 标定实验数据处理模块 | 第32-36页 |
| 3.5.1 高效数据结构设计 | 第32-33页 |
| 3.5.2 基于拉依达准则法的坏点过滤 | 第33-34页 |
| 3.5.3 基于最小二乘的加速度计参数拟合 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 零偏ARIMA模型与标度因数参数回归模型 | 第37-51页 |
| 4.1 基于ARIMA时间序列模型的零偏参数预测模型 | 第37-43页 |
| 4.1.1 平稳时间序列检验 | 第37-38页 |
| 4.1.2 ARMA模型原理 | 第38-42页 |
| 4.1.3 ARIMA模型建模流程 | 第42-43页 |
| 4.2 基于参数回归模型的标度因数建模预测模型 | 第43-45页 |
| 4.3 零偏与标度因数预测分析模块 | 第45-50页 |
| 4.3.1 预测分析模块介绍 | 第45-46页 |
| 4.3.2 常规预测模型建模仿真 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于小波变换的组合预测模型 | 第51-67页 |
| 5.1 小波变换原理 | 第51-52页 |
| 5.2 RBF神经网络模型 | 第52-56页 |
| 5.2.1 RBF神经网络算法 | 第52-54页 |
| 5.2.2 RBF神经网络建模步骤 | 第54-56页 |
| 5.3 WT-ARMA-RBF组合预测模型 | 第56-61页 |
| 5.3.1 WT-ARMA-RBF组合预测模型的基本思想 | 第56页 |
| 5.3.2 WT-ARMA-RBF组合预测模型的建模步骤 | 第56-58页 |
| 5.3.3 实证分析 | 第58-61页 |
| 5.4 RBF非线性集成预测模型 | 第61-66页 |
| 5.4.1 RBF非线性集成预测模型的基本思想 | 第61-62页 |
| 5.4.2 RBF非线性集成预测模型的建模步骤 | 第62-63页 |
| 5.4.3 实证分析 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的学术论文及研究成果 | 第73页 |
