自适应控制在随动系统测试装置中的应用与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1 绪论 | 第10-14页 |
| ·课题背景 | 第10页 |
| ·国内外研究现状及分析 | 第10-12页 |
| ·非线性系统的自适应控制研究 | 第10-12页 |
| ·神经网络在非线性系统中的应用 | 第12页 |
| ·本文主要研究内容 | 第12-14页 |
| 2 随动系统加载与测试装置组成 | 第14-32页 |
| ·引言 | 第14-15页 |
| ·系统主要技术指标 | 第15页 |
| ·测控计算机 | 第15-17页 |
| ·开发环境 | 第15-16页 |
| ·对板卡的初始化 | 第16页 |
| ·软件系统的组成 | 第16-17页 |
| ·通信的实现 | 第17-23页 |
| ·现场总线概述 | 第17-19页 |
| ·CAN总线简介 | 第19-23页 |
| ·模拟负载 | 第23-24页 |
| ·反馈信号采集和输出信号变换装置 | 第24-30页 |
| ·速度测量装置 | 第24-27页 |
| ·位置反馈信号采集装置 | 第27-30页 |
| ·伺服放大器电路 | 第30页 |
| ·信号调整电路 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 神经网络的基本理论 | 第32-42页 |
| ·引言 | 第32页 |
| ·神经网络控制系统研究现状 | 第32-33页 |
| ·神经网络的简介及应用 | 第33-37页 |
| ·人工神经网络的简介 | 第33-36页 |
| ·神经网络在控制领域中的应用 | 第36-37页 |
| ·典型神经网络及其相关问题 | 第37-41页 |
| ·径向基函数神经网络 | 第37-38页 |
| ·BP网络及其学习算法 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于神经网络的系统辨识研究 | 第42-56页 |
| ·引言 | 第42页 |
| ·系统辨识的基础理论分析 | 第42-43页 |
| ·基于神经网络的系统辨识原理 | 第43-46页 |
| ·辨识精度和泛化能力 | 第44页 |
| ·基于神经网络的辨识模型 | 第44-45页 |
| ·神经网络的辨识方式 | 第45页 |
| ·样本数据的分析与处理 | 第45-46页 |
| ·基于BP神经网络的系统辨识 | 第46-51页 |
| ·神经网络训练集的设计 | 第47-48页 |
| ·网络结构 | 第48-49页 |
| ·输入输出量的选择和确定 | 第49页 |
| ·BP神经网络辨识的一般实现 | 第49-50页 |
| ·BP神经网络的辨识步骤 | 第50页 |
| ·系统流程图 | 第50-51页 |
| ·实际系统辨识结果 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 5 阻力矩加载神经自适应控制器设计 | 第56-71页 |
| ·自适应控制 | 第56-59页 |
| ·概述 | 第56页 |
| ·自适应控制 | 第56-59页 |
| ·基于神经网络的自适应控制 | 第59-63页 |
| ·神经网络模型参考自适应控制 | 第60页 |
| ·神经网络自校正自适应控制 | 第60-63页 |
| ·神经网络间接自校正控制器设计 | 第63-66页 |
| ·阻力矩加载系统仿真调试 | 第66-70页 |
| ·阶跃信号输入响应曲线 | 第66-69页 |
| ·正弦信号输入响应曲线 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
