| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 课题来源 | 第8页 |
| 1.3 研究现状与选题意义 | 第8-10页 |
| 1.3.1 研究现状 | 第8-9页 |
| 1.3.2 选题意义 | 第9-10页 |
| 1.4 论文主要工作 | 第10页 |
| 1.5 论文组织结构 | 第10-12页 |
| 第2章 场地电动车的驱动控制系统 | 第12-22页 |
| 2.1 电机驱动控制系统 | 第12-15页 |
| 2.1.1 场地电动车的电机驱动系统布置方式 | 第13页 |
| 2.1.2 电动车的电驱动系统组成 | 第13-15页 |
| 2.2 电动车典型工况分析及特殊需求 | 第15-16页 |
| 2.3 电动车的控制策略 | 第16-20页 |
| 2.3.1 电动车的启停控制策略 | 第16-19页 |
| 2.3.2 电动车安全控制策略 | 第19页 |
| 2.3.3 电动车驱动控制原理 | 第19-20页 |
| 2.4 常规PID算法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 遗传优化BP神经网络的PID算法 | 第22-36页 |
| 3.1 BP神经网络 | 第22-28页 |
| 3.1.1 人工神经网络 | 第22-24页 |
| 3.1.2 BP神经网络结构及算法 | 第24-28页 |
| 3.2 遗传算法优化BP神经网络 | 第28-34页 |
| 3.2.1 BP神经网络算法的主要不足 | 第28-29页 |
| 3.2.2 BP神经网络的优化 | 第29-30页 |
| 3.2.3 遗传算法优化BP神经网络 | 第30-34页 |
| 3.3 遗传优化BP神经网络的PID算法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 遗传和BP优化与混合算法 | 第36-43页 |
| 4.1 基本思路 | 第36页 |
| 4.2 优化BP神经网络算法 | 第36-38页 |
| 4.3 优化遗传算法 | 第38-40页 |
| 4.4 蚁群算法优化遗传BP算法 | 第40-41页 |
| 4.4.1 蚁群算法 | 第40页 |
| 4.4.2 蚁群算法优化遗传BP算法 | 第40-41页 |
| 4.5 基于遗传和BP算法的优化与混合算法的PID控制器设计 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 测试与分析 | 第43-48页 |
| 5.1 性能指标 | 第43页 |
| 5.2 仿真验证 | 第43-46页 |
| 5.3 结论 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-49页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53页 |