| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·交流调速系统的组成 | 第10-11页 |
| ·交流调速系统的发展状况和主要趋势 | 第11-12页 |
| ·本课题研究背景 | 第12-13页 |
| ·本课题的意义和工作重点 | 第13-14页 |
| ·本课题的意义 | 第13页 |
| ·本课题的重点和主要内容 | 第13-14页 |
| 第2章 三相感应电机数学模型和控制策略 | 第14-28页 |
| ·交流感应电动机的数学模型 | 第14-20页 |
| ·交流感应电机三相坐标下的磁链、电压和转矩方程 | 第14-16页 |
| ·两相系中感应电动机的数学模型 | 第16-17页 |
| ·两相系中异步电动机的状态方程描述 | 第17-20页 |
| ·针对交流电机数学模型的控制策略 | 第20-24页 |
| ·矢量控制(Vector Control) | 第21-22页 |
| ·解耦控制(Decoupling Control) | 第22-23页 |
| ·直接转矩控制(Direct Torque Control) | 第23-24页 |
| ·基于参数估计和辨识的自适应控制和无传感控制 | 第24-25页 |
| ·基于现代控制理论的非线性控制策略 | 第25页 |
| ·基于智能控制思想的控制策略 | 第25-27页 |
| ·模糊控制理论 | 第25-26页 |
| ·人工神经网络控制理论 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 PID神经网络结构和算法研究 | 第28-46页 |
| ·神经元的结构形式和计算方法 | 第28-30页 |
| ·PID控制器和神经元网络的结合方法 | 第30-31页 |
| ·采用神经元网络确定PID参数 | 第30-31页 |
| ·单神经元结构PID控制器 | 第31页 |
| ·PID神经网络的基本形式和算法 | 第31-36页 |
| ·SPIDNN(Single Output PIDNN)的结构形式 | 第31-32页 |
| ·SPIDNN的前向算法 | 第32-33页 |
| ·SPIDNN的反传算法 | 第33-36页 |
| ·多输出PIDNN(MPIDNN) | 第36-41页 |
| ·MPIDNN的结构形式 | 第36页 |
| ·MPIDNN前向算法 | 第36-38页 |
| ·MPIDNN的反传算法 | 第38-41页 |
| ·PIDNN连接权重初值的选取和等价系统 | 第41-45页 |
| ·神经元网络连接权重初值选取的重要性 | 第41-42页 |
| ·SPIDNN的连接权重初值选取和等价系统 | 第42-44页 |
| ·MPIDNN的连接权重初值选取和等价系统 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于单输出PID神经网络速度控制器的交流调速系统的研究 | 第46-54页 |
| ·基于SPIDNN控制器的交流调速系统的构建 | 第46-47页 |
| ·SPIDNN交流调速控制系统的稳定性分析和初值选取 | 第47-49页 |
| ·系统稳定性分析 | 第47-49页 |
| ·系统初值选取 | 第49页 |
| ·系统仿真和结果分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 交流感应电动机的PID神经网络逆系统线性化解耦控制 | 第54-64页 |
| ·逆系统线性解耦原理 | 第54-56页 |
| ·逆系统的神经网络实现 | 第56-57页 |
| ·基于MPIDNN的逆系统交流调速控制系统 | 第57-61页 |
| ·基于旋转(M-T)坐标系感应电:动机模型的动态逆解耦 | 第57-61页 |
| ·系统仿真 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 系统仿真 | 第64-68页 |
| ·系统仿真模型 | 第64-65页 |
| ·本章小结 | 第65-68页 |
| 第7章 本文总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 附录 | 第76-78页 |
| 附录1:PID神经网络的S-函数源程序 | 第76-78页 |
