| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 致谢 | 第11-17页 |
| 插图清单 | 第17-21页 |
| 表格清单 | 第21-22页 |
| 第一章 绪论 | 第22-46页 |
| ·人工神经网络的发展 | 第22-26页 |
| ·1943～1969 年为初创期 | 第22-23页 |
| ·1970～1981 年为过渡期 | 第23页 |
| ·1982～1986 年为复兴期 | 第23-24页 |
| ·1987 年至今为发展期 | 第24-26页 |
| ·国内人工神经网络发展状况 | 第26页 |
| ·神经网络控制及其在电力传动中的应用 | 第26-35页 |
| ·神经网络控制 | 第26-29页 |
| ·电力传动智能化发展 | 第29-32页 |
| ·神经网络控制在电力传动中的应用 | 第32-35页 |
| ·神经网络的实现技术 | 第35-41页 |
| ·神经网络的软件实现 | 第35-37页 |
| ·神经网络的高级开发工具 | 第37-39页 |
| ·神经网络的硬件实现 | 第39-41页 |
| ·神经网络的软件硬化实现 | 第41页 |
| ·选题背景及研究技术路线 | 第41-44页 |
| ·论文选题背景 | 第41-43页 |
| ·论文研究技术路线 | 第43-44页 |
| ·论文主要工作及论文结构 | 第44-46页 |
| ·论文主要工作 | 第44页 |
| ·论文结构 | 第44-46页 |
| 第二章 神经网络控制典型拓扑结构及算法 | 第46-82页 |
| ·神经元通用数学模型 | 第46-52页 |
| ·神经元特性 | 第46-47页 |
| ·神经元建模 | 第47-48页 |
| ·神经元数学模型 | 第48-49页 |
| ·神经元转移函数 | 第49-50页 |
| ·基于控制观的通用神经元模型 | 第50-52页 |
| ·神经网络学习算法 | 第52-57页 |
| ·Hebb 学习算法 | 第53-54页 |
| ·Perceptron(感知器)学习算法 | 第54页 |
| ·δ(Delta)学习算法 | 第54-55页 |
| ·Widrow-Hoff 学习算法 | 第55页 |
| ·Correlation(相关)学习算法 | 第55页 |
| ·Winner-Take-All(胜者为王)学习算法 | 第55-56页 |
| ·Outstar(外星)学习算法 | 第56页 |
| ·Boltzmann(概率型)学习算法 | 第56页 |
| ·各种学习算法比较与选用 | 第56-57页 |
| ·Adaline 神经元拓扑结构及学习算法 | 第57-60页 |
| ·Adaline 拓扑结构 | 第57-58页 |
| ·Adaline 学习算法 | 第58页 |
| ·Adaline 应用 | 第58-60页 |
| ·BP 神经网络拓扑结构及学习算法 | 第60-67页 |
| ·BP 神经网络拓扑结构 | 第60页 |
| ·BP 神经网络学习算法 | 第60-64页 |
| ·BP 神经网络应用 | 第64-67页 |
| ·CMAC 神经网络拓扑结构及学习算法 | 第67-74页 |
| ·CMAC 神经网络拓扑结构 | 第67-70页 |
| ·CMAC 神经网络学习算法 | 第70-71页 |
| ·CMAC 神经网络应用 | 第71-74页 |
| ·BAM 神经网络拓扑结构及学习算法 | 第74-81页 |
| ·BAM 神经网络拓扑结构 | 第74-76页 |
| ·BAM 神网络学习算法 | 第76页 |
| ·BAM 神经网络应用 | 第76-81页 |
| ·本章小结 | 第81-82页 |
| 第三章 人工神经网络硬化实现共性技术 | 第82-109页 |
| ·引言 | 第82-84页 |
| ·ASIC 硬化实现技术路线 | 第84-86页 |
| ·ASIC 实现方式的特点 | 第84-85页 |
| ·ASIC 实现神经网络系统的结构 | 第85-86页 |
| ·神经网络硬化实现技术路线 | 第86-89页 |
| ·FPGA 实现方式的特点 | 第86-87页 |
| ·FPGA 实现神经元的结构 | 第87页 |
| ·FPGA 实现神经元的基本思路 | 第87-88页 |
| ·FPGA 实现过程中需要注意的问题 | 第88-89页 |
| ·硬化实现中数学运算处理 | 第89-98页 |
| ·定点数乘法运算的实现 | 第89-91页 |
| ·定点数除法运算的实现 | 第91-92页 |
| ·浮点数加减法运算的实现 | 第92-95页 |
| ·浮点数乘法运算的实现 | 第95-96页 |
| ·浮点数除法运算的实现 | 第96-98页 |
| ·神经网络中Sigmoid 转移函数的硬化实现 | 第98-102页 |
| ·硬件查找表实现方法 | 第98页 |
| ·分段近似折线实现方法 | 第98-99页 |
| ·基于 CORDIC 算法的实现方法 | 第99页 |
| ·基于 Taylor 级数展开的实现方法 | 第99-102页 |
| ·神经网络可重构拓扑技术 | 第102-104页 |
| ·神经网络中节点模型分类 | 第102页 |
| ·神经网络拓扑结构可重构技术思想 | 第102-103页 |
| ·n-1 型神经网络节点硬化实现 | 第103-104页 |
| ·n-m 型神经网络节点硬化实现 | 第104页 |
| ·1-m 型神经网络节点硬化实现 | 第104页 |
| ·神经网络 Hebb 学习算法硬化实现 | 第104-107页 |
| ·Hebb 学习算法硬化实现思路 | 第104-105页 |
| ·Hebb 学习算法硬化实现状态机逻辑图 | 第105-107页 |
| ·Hebb 学习算法硬化实现仿真波形 | 第107页 |
| ·本章小结 | 第107-109页 |
| 第四章 神经网络控制设计及应用 | 第109-142页 |
| ·引言 | 第109-110页 |
| ·基于神经网络的系统辨识 | 第110-117页 |
| ·神经网络系统辨识基本原理 | 第110-111页 |
| ·神经网络系统辨识算法 | 第111-112页 |
| ·神经网络系统辨识逼近能力分析 | 第112-113页 |
| ·神经网络辨识用非线性模型 | 第113-114页 |
| ·神经网络逆系统辨识与建模方法 | 第114-116页 |
| ·神经网络辨识双闭环PWM 调速系统 | 第116-117页 |
| ·神经网络控制分类及其特点 | 第117-120页 |
| ·直接型神经网络控制器(DNNC) | 第117页 |
| ·复合型神经网络控制器(CNNC) | 第117-118页 |
| ·自适应型神经网络控制器(ANNC) | 第118页 |
| ·逆系统型神经网络控制器(INNC) | 第118页 |
| ·监督型神经网络控制器(SNNC) | 第118-119页 |
| ·优化型神经网络控制器(ONNC) | 第119-120页 |
| ·复合型神经网络控制器设计与实现 | 第120-122页 |
| ·前馈复合型神经网络控制器(FCNNC) | 第120页 |
| ·预测复合型神经网络控制器(PCNNC) | 第120-121页 |
| ·内模复合型神经网络控制器(ICNNC) | 第121-122页 |
| ·自适应型神经网络控制器设计与实现 | 第122-125页 |
| ·神经网络模型参考自适应控制(NNMRAC) | 第122-124页 |
| ·神经网络自校正控制(NNSTC) | 第124-125页 |
| ·逆系统型神经网络控制器设计与实现 | 第125-128页 |
| ·逆系统型神经网络控制原理结构 | 第125-126页 |
| ·逆系统型神经网络控制多变量非线性系统实现方法 | 第126页 |
| ·逆系统型神经网络控制交流电动机实现方法 | 第126-128页 |
| ·神经网络控制系统稳定性分析 | 第128-133页 |
| ·神经网络控制系统数学模型构建 | 第128-129页 |
| ·神经网络控制系统稳定性分析 | 第129-132页 |
| ·进一步探讨的工作 | 第132-133页 |
| ·神经网络控制设计方法及仿真 | 第133-140页 |
| ·神经网络控制设计步聚 | 第133-137页 |
| ·神经网络控制方法选择 | 第137页 |
| ·神经网络控制系统数字仿真 | 第137-140页 |
| ·本章小结 | 第140-142页 |
| 第五章 基于神经网络控制的学习与自学习策略 | 第142-155页 |
| ·引言 | 第142-143页 |
| ·基于神经网络的学习控制 | 第143-147页 |
| ·学习控制及其基本特点 | 第143页 |
| ·学习控制规律 | 第143-144页 |
| ·学习控制通用拓扑结构 | 第144-146页 |
| ·神经网络学习控制拓扑结构 | 第146-147页 |
| ·自学习控制系统及工作机理 | 第147-149页 |
| ·自学习控制系统及其基本特点 | 第147页 |
| ·自学习控制系统一般结构 | 第147-148页 |
| ·基于规则的自学习控制系统 | 第148-149页 |
| ·基于神经网络的自学习控制系统 | 第149-154页 |
| ·复杂大系统特点及其多级多目标控制结构 | 第149-150页 |
| ·三级递阶智能控制结构 | 第150页 |
| ·基于定量模型和定性模型协同控制的三级递阶智能控制策略 | 第150-152页 |
| ·前后台型神经网络自学习电力传动控制系统 | 第152-153页 |
| ·探索与深入思考 | 第153-154页 |
| ·本章小结 | 第154-155页 |
| 第六章 硬化神经网络在电力传动系统中应用 | 第155-186页 |
| ·BP 神经网络硬化实现及芯片封装 | 第155-158页 |
| ·BP 神经网络正向传播的硬化实现 | 第155-156页 |
| ·BP 神经网络节点的硬化实现 | 第156页 |
| ·BP 神经网络连接权值传输功能实现 | 第156-157页 |
| ·BP 神经网络信号前向传播 FPGA 硬化实现波形 | 第157-158页 |
| ·BP 神经网络 FPGA 硬化实现的芯片封装 | 第158页 |
| ·CMAC 神经网络硬化实现及芯片封装 | 第158-164页 |
| ·CMAC 神经网络硬化实现 | 第158-159页 |
| ·CMAC 神经网络等级量化模块的硬化实现及其波形 | 第159-160页 |
| ·CMAC 神经网络概念映射算法的硬化实现及其波形 | 第160-161页 |
| ·CMAC 神经网络物理映射算法的硬化实现及其波形 | 第161-162页 |
| ·CMAC 神经网络激活单元连接权值读取实现及其波形 | 第162-163页 |
| ·CMAC 神经网络 FPGA 硬化实现波形 | 第163-164页 |
| ·CMAC 神经网络 FPGA 硬化实现的芯片封装 | 第164页 |
| ·BAM 神经网络硬化实现及芯片封装 | 第164-171页 |
| ·BAM 神经网络硬化实现 | 第164-165页 |
| ·BAM 神经网络权值矩阵存储与读取硬化实现及其波形 | 第165-166页 |
| ·BAM 神经网络中 HADAMARD 预处理的硬化实现及其波形 | 第166-169页 |
| ·BAM 神经网络联想回忆功能的硬化实现及其波形 | 第169页 |
| ·BAM 神经网络的 FPGA 硬化实现波形 | 第169-170页 |
| ·BAM 神经网络 FPGA 硬化实现的芯片封装 | 第170-171页 |
| ·神经网络硬化技术和直线伺服系统试验平台构建 | 第171-176页 |
| ·神经网络FPGA 硬化技术开发试验平台 | 第171-172页 |
| ·直线电动机驱动伺服控制试验系统 | 第172-176页 |
| ·神经网络硬化技术在直线伺服系统中应用研究 | 第176-185页 |
| ·数控机床用直线电动机驱动伺服系统建模 | 第176-178页 |
| ·直线电机伺服系统极点配置控制法 | 第178-179页 |
| ·直线电动机驱动高性能伺服系统试验研究与分析 | 第179-185页 |
| ·本章小结 | 第185-186页 |
| 第七章 论文总结及展望 | 第186-189页 |
| ·论文工作总结 | 第186-187页 |
| ·论文的主要创新点 | 第187页 |
| ·今后工作展望 | 第187-189页 |
| 参考文献 | 第189-198页 |
| 攻读博士学位期间发表的有关学术论文和申请知识产权 | 第198-201页 |
| 攻读博士学位期间主要参加的有关科研项目 | 第201-202页 |
