摘要 | 第3-4页 |
Abstract | 第4-5页 |
1 绪论 | 第12-17页 |
1.1 课题背景 | 第12页 |
1.2 伺服系统 | 第12-14页 |
1.3 交流伺服系统建模概述 | 第14页 |
1.4 交流伺服系统控制策略综述 | 第14-15页 |
1.5 本文主要内容 | 第15-17页 |
2 舰载火箭炮交流伺服系统及数学模型 | 第17-26页 |
2.1 某舰载火箭炮交流伺服系统的组成 | 第17页 |
2.2 舰载火箭炮交流伺服系统半实物仿真平台装置 | 第17-21页 |
2.2.1 模拟负载位置测量模块 | 第18-20页 |
2.2.2 减速箱 | 第20页 |
2.2.3 模拟负载加载装置 | 第20-21页 |
2.3 舰载火箭炮交流伺服系统数学模型 | 第21-25页 |
2.3.1 PMSM教学模型 | 第21-22页 |
2.3.2 PMSM矢量控制分析 | 第22-24页 |
2.3.3 交流伺服系统数学模型 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
3 舰载火箭炮交流伺服系统辨识研究 | 第26-48页 |
3.1 系统辨识 | 第26-27页 |
3.1.1 系统辨识综述 | 第26页 |
3.1.2 系统辨识流程 | 第26-27页 |
3.2 辨识数据的获取与预处理 | 第27-30页 |
3.2.1 辨识数据 | 第27-28页 |
3.2.2 辨识数据的预处理 | 第28-30页 |
3.3 神经网络辨识基础知识 | 第30-34页 |
3.3.1 神经元模型 | 第30-31页 |
3.3.2 神经网络拓扑结构 | 第31页 |
3.3.3 神经网络学习 | 第31-32页 |
3.3.4 神经网络非线性辨识结构 | 第32-34页 |
3.4 基于RBF神经网络的系统辨识 | 第34-38页 |
3.4.1 RBF神经网络 | 第34-35页 |
3.4.2 RBF神经网络学习算法 | 第35页 |
3.4.3 RBF网络的辨识步骤和流程图 | 第35-36页 |
3.4.4 RBF神经网络辨识结果 | 第36-38页 |
3.5 基于自构建递归神经网络的系统模型辨识 | 第38-47页 |
3.5.1 非线性系统模型及系统辨识结构 | 第38页 |
3.5.2 基于自构建递归神经网络的系统辨识 | 第38-41页 |
3.5.3 自构建递归神经网络(SRNN)算法 | 第41-43页 |
3.5.4 自构建递归神经网络(SRNN)辨识步骤和流程图 | 第43-44页 |
3.5.5 自构建递归神经网络辨识研究 | 第44-46页 |
3.5.6 两种辨识结果比较 | 第46-47页 |
3.6 本章小结 | 第47-48页 |
4 舰载火箭炮交流伺服系统控制策略研究 | 第48-66页 |
4.1 内模控制 | 第48-52页 |
4.1.1 IMC基本原理 | 第48-50页 |
4.1.2 IMC控制器设计 | 第50-52页 |
4.2 基于自构建递归神经网络的自适应内模控制 | 第52-60页 |
4.2.1 基于神经网络的自适应内模控制 | 第53页 |
4.2.2 基于SRNN网络的自适应内模控制结构 | 第53-54页 |
4.2.3 基于SRNN网络的内部模型(NNM)设计 | 第54-56页 |
4.2.4 基于SRNN网络的内模控制器(NNC)设计 | 第56-58页 |
4.2.5 SRNN控制器稳定性分析 | 第58-60页 |
4.2.6 滤波器设计 | 第60页 |
4.3 控制策略仿真研究 | 第60-64页 |
4.3.1 系统输入阶跃信号的结果与分析 | 第61-63页 |
4.3.2 系统输入正弦信号时的结果与分析 | 第63-64页 |
4.4 本章小结 | 第64-66页 |
5 半实物仿真平台验证 | 第66-76页 |
5.1 交流伺服系统仿真实验平台系统组成 | 第66-72页 |
5.1.1 半实物仿真平台硬件组成 | 第67-71页 |
5.1.2 半实物仿真平台控制软件 | 第71-72页 |
5.2 半实物仿真结果和分析 | 第72-75页 |
5.2.1 交流伺服系统性能指标 | 第72页 |
5.2.2 阶跃响应实验 | 第72-74页 |
5.2.3 正弦跟踪实验 | 第74-75页 |
5.3 本章小结 | 第75-76页 |
6 总结与展望 | 第76-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-83页 |
附录 | 第83-85页 |