声明
摘要
术语表
第1章绪论
1.1研究背景及来源
1.2研究意义
1.2.1理论意义
1.2.2工程意义
1.3航海模拟器船舶操纵运动数学模型研究进展
1.4船舶操纵运动辨识建模研究进展
1.4.1传统灰箱辨识建模研究进展
1.4.2智能灰箱辨识建模研究进展
1.4.3黑箱辨识建模研究进展
1.5 LWL算法研究进展
1.5.1 LWL算法理论研究进展
1.5.2 LWL算法应用研究进展
1.6 LWL船舶操纵运动建模的优点与难点
1.7论文的主要工作和内容
第2章船舶操纵运动辨识建模基础
2.1基本概念
2.2船舶操纵运动试验设计
2.3试验数据处理
2.4研究对象
2.4.1 Mariner轮整体型数学模型
2.4.2 Delta Linda拖轮模型简介
2.4.3育鲲轮简介
2.5经典辨识算法介绍
2.5.1最小二乘辨识算法
2.5.2岭回归算法
2.5.3BP神经网络算法
2.6 LWL辨识算法
2.6.1 LWL算法定义
2.6.2距离
2.6.3高斯核函数
2.6.4目标函数
2.6.5交叉验证
2.6.6 LWL算法
2.7本章小结
第3章基于局部加权学习的辨识建模方法
3.1问题描述及解决方法
3.2基于全局最优LWL的辨识建模
3.2.1全局最优LWL算法
3.2.2数值算例仿真
3.2.3 Delta Linda拖轮试验数据
3.2.4 Delta Linda拖轮仿真研究
3.3基于局部最优LWL的辨识建模
3.3.1局部最优LWL算法
3.3.2数值算例仿真
3.3.4 Mariner轮仿真研究
3.4本章小结
第4章基于改进遗传寻优局部加权学习的船舶操纵运动辨识建模
4.1距离测度研究现状
4.2遗传算法概述
4.3一种改进的适应度函数
4.3.1问题描述
4.3.2现有适应度函数分析
4.3.3改进适应度函数
4.4改进遗传算法及性能分析
4.4.1改进遗传算法步骤
4.4.2改进遗传算法性能分析
4.5改进遗传寻优LWL辨识建模仿真研究
4.5.1数值算例仿真
4.5.2育鲲轮实船数据仿真
4.6本章小结
第5章基于多新息梯度迭代局部加权学习的船舶操纵运动辨识建模
5.1问题描述
5.2多新息梯度迭代算法
5.3多新息梯度迭代算法收敛性能分析
5.4 Marinet轮仿真对比分析
5.4.1多新息梯度迭代LWL辨识建模仿真结果
5.4.2多新息梯度迭代LWL仿真结果分析
5.5多新息梯度迭代LWL育鲲轮辨识建模仿真
5.6本章小结
第6章基于网格索引构建子空间局部加权学习的船舶操纵运动辨识建模
6.1基于LWL算法的船舶运动数学模型建模步骤
6.2航海模拟器船舶运动数学模型实时性
6.3 LWL算法计算复杂度研究现状
6.4 LWL算法计算复杂度分析
6.5网格索引构建子空间算法
6.6网格索引构建子空间LWL仿真研究
6.6.1网格划分讨论
6.6.2 Mariner轮仿真建模
6.7本章小结
第7章结论与展望
7.1结论
7.2展望
参考文献
附录
攻读学位期间公开发表论文
攻读学位期间其他研究成果
攻读学位期间参加的科研项目
致谢
作者简介