| 第1章 绪论 | 第1-22页 |
| ·研究背景 | 第17-19页 |
| ·选题依据 | 第19-20页 |
| ·研究内容 | 第20-22页 |
| 第2章 FADS 系统基本原理 | 第22-36页 |
| ·传统的大气数据测量方法 | 第22-28页 |
| ·基本的大气数据 | 第22页 |
| ·空速管 | 第22-24页 |
| ·迎角传感器和侧滑角传感器 | 第24-27页 |
| ·大气数据计算机 | 第27-28页 |
| ·多传感器技术和FADS 系统简介 | 第28-30页 |
| ·多传感器技术 | 第28-29页 |
| ·FADS 系统简介 | 第29-30页 |
| ·系统组成与工作过程 | 第30-36页 |
| ·压力传感器 | 第30-32页 |
| ·五孔探针和七孔探针 | 第32-33页 |
| ·压力传感器布局 | 第33-34页 |
| ·工作过程 | 第34页 |
| ·主要测试 | 第34-36页 |
| 第3章 FADS 的空气动力学模型 | 第36-45页 |
| ·FADS 压力模型的推导 | 第36-37页 |
| ·FADS 的完整的空气动力学模型 | 第37-40页 |
| ·其他确定FADS 压力分布模型的方法 | 第40-45页 |
| ·应用计算流体动力学软件计算压力分布 | 第40-43页 |
| ·风洞试验测量压力分布 | 第43页 |
| ·飞行实验测量压力分布 | 第43-45页 |
| 第4章 FADS 系统的求解与校正算法 | 第45-59页 |
| ·三点法求解迎角与侧滑角 | 第45-47页 |
| ·求解迎角 | 第46页 |
| ·求解侧滑角 | 第46-47页 |
| ·求解动、静压和形压系数 | 第47-48页 |
| ·关于马赫数的求解 | 第48-50页 |
| ·校正算法 | 第50-59页 |
| 第5章 FADS 系统算法的改进 | 第59-94页 |
| ·应用广义逆矩阵简化方程组 | 第59-64页 |
| ·Moore－Penrose 广义逆矩阵简介 | 第59页 |
| ·基于广义逆矩阵简化方程组 | 第59-61页 |
| ·容错处理 | 第61-62页 |
| ·动压修正比 | 第62-64页 |
| ·改进的迭代算法求解动、静压和形压系数 | 第64-67页 |
| ·改进的迭代算法 | 第64-65页 |
| ·改进迭代算法收敛性分析 | 第65-66页 |
| ·改进迭代算法的数值计算验证 | 第66-67页 |
| ·BP 神经网络 | 第67-75页 |
| ·BP 网络简介 | 第67-69页 |
| ·BP 网络进行函数逼近 | 第69-70页 |
| ·BP 算法的学习过程 | 第70-75页 |
| ·用BP 网络求解动、静压等数据 | 第75-79页 |
| ·设计BP 网络求解动、静压 | 第75-76页 |
| ·训练BP 网络 | 第76-77页 |
| ·用BP 网络求解动、静压等数据的算法简单分析 | 第77页 |
| ·用BP 网络求解动、静压等数据的数值验证 | 第77-79页 |
| ·基于BP 网络的校正算法 | 第79-83页 |
| ·应用BP 网络进行非线性校正简介 | 第79页 |
| ·原有FADS 系统的校正算法的不足之处 | 第79页 |
| ·应用BP 网络进行校正 | 第79-81页 |
| ·FADS 系统的BP 网络校正方法的数值计算结果 | 第81-83页 |
| ·FADS 系统的BP 神经网络算法 | 第83-94页 |
| ·传感器系统及其神经网络学习算法的应用 | 第83-84页 |
| ·人工神经网络解决FADS 系统的一些问题的简介 | 第84-85页 |
| ·已有的FADS 系统的两种BP 网络算法 | 第85-87页 |
| ·基于广义逆的FADS 系统的BP 网络算法基本结构 | 第87-88页 |
| ·马赫数求解模块 | 第88-90页 |
| ·其他模块简介 | 第90-91页 |
| ·数值计算结果与讨论 | 第91-94页 |
| 第6章 与惯性导航系统相结合 | 第94-97页 |
| ·惯性导航系统 | 第94页 |
| ·与惯性导航系统的结合 | 第94-97页 |
| 第7章 结论 | 第97-100页 |
| ·课题研究中的创造性工作 | 第97-98页 |
| ·存在的一些问题 | 第98-99页 |
| ·进一步的设想与展望 | 第99-100页 |
| 参考文献 | 第100-103页 |
| 致 谢 | 第103-104页 |
| 攻读硕士学位期间发表的学术论文 | 第104页 |