| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·非线性系统状态观测器研究现状 | 第12-14页 |
| ·基于状态观测器的电机控制方法研究现状 | 第14-17页 |
| ·全阶状态观测器 | 第14页 |
| ·滑模变结构观测器 | 第14-15页 |
| ·扩展卡尔曼滤波法 | 第15-16页 |
| ·自适应观测器 | 第16页 |
| ·智能状态观测器 | 第16-17页 |
| ·本文研究内容 | 第17-18页 |
| 第二章 永磁直线同步电机的矢量控制系统及仿真 | 第18-37页 |
| ·永磁直线同步电机的结构和工作原理 | 第18-20页 |
| ·永磁直线同步电机的结构和特点 | 第18-19页 |
| ·永磁直线同步电机的工作原理 | 第19-20页 |
| ·永磁直线同步电机的数学模型 | 第20-26页 |
| ·永磁直线同步电机的坐标系及坐标变换 | 第20-23页 |
| ·永磁直线同步电机在d-q坐标系下的数学模型 | 第23-25页 |
| ·永磁直线同步电机在α-β坐标系下的数学模型 | 第25-26页 |
| ·永磁直线同步电机矢量控制系统 | 第26-31页 |
| ·矢量控制技术 | 第26-28页 |
| ·空间矢量脉宽调制技术(SVPWM) | 第28-31页 |
| ·永磁直线同步电机矢量控制仿真研究 | 第31-36页 |
| ·永磁直线同步电机仿真建模及研究 | 第31-32页 |
| ·SVPWM仿真研究 | 第32-33页 |
| ·系统仿真研究 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于神经网络的非线性系统状态观测 | 第37-48页 |
| ·神经网络模型及其MatLab的程序实现 | 第37-41页 |
| ·人工神经网络的发展和应用 | 第37-40页 |
| ·神经网络的结构和学习 | 第40-41页 |
| ·神经网络MatLab的程序实现 | 第41页 |
| ·基于BP神经网络的非线性系统状态观测 | 第41-45页 |
| ·BP神经网络 | 第41-42页 |
| ·基于BP神经网络的学习算法 | 第42-43页 |
| ·基于BP神经网络的非线性状态观测器的状态轨迹逼近 | 第43页 |
| ·BP神经网络逼近一阶系统仿真 | 第43-45页 |
| ·基于Elman神经网络的非线性系统状态观测 | 第45-47页 |
| ·Elman神经网络 | 第45-46页 |
| ·基于Elman神经网络的学习算法 | 第46页 |
| ·基于Elman神经网络的非线性状态观测器的状态轨迹逼近 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于Elman神经网络的永磁直线同步电机状态观测 | 第48-58页 |
| ·基于Elman神经网络观测器的PMLSM控制系统 | 第48-49页 |
| ·控制系统构成 | 第48页 |
| ·α-β坐标系下PMLSM的状态方程 | 第48-49页 |
| ·Elman神经网络观测器及训练 | 第49-52页 |
| ·Elman神经网络观测器 | 第49-50页 |
| ·离线训练 | 第50页 |
| ·在线训练 | 第50-52页 |
| ·基于MatLab的PMLSM非线性动态仿真 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结论和展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
