航空发动机神经网络直接推力逆控制
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-18页 |
| ·直接推力控制 | 第14-15页 |
| ·逆控制技术 | 第15-17页 |
| ·本文研究内容 | 第17-18页 |
| 第二章 航空发动机非线性部件级模型 | 第18-26页 |
| ·概述 | 第18-19页 |
| ·航空发动机部件级模型 | 第19-25页 |
| ·选定初猜值 | 第19页 |
| ·航空发动机气动热力计算与共同工作方程 | 第19-20页 |
| ·迭代法建立航空发动机全包线模型 | 第20-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 推力估计器设计 | 第26-47页 |
| ·概述 | 第26-28页 |
| ·样本数据的采集 | 第28-29页 |
| ·样本数据的处理 | 第29页 |
| ·神经网络输入变量的选择 | 第29-37页 |
| ·机理分析法 | 第29页 |
| ·相关分析法 | 第29-31页 |
| ·遗传优化法 | 第31-37页 |
| ·自适应遗传神经网络 | 第37-46页 |
| ·自适应遗传神经网络算法（AGNNA）设计 | 第38-40页 |
| ·基于AGNNA 的推力估计器设计 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于增广LQR 方法的发动机直接推力控制 | 第47-64页 |
| ·普通LQR 方法及其问题 | 第47-49页 |
| ·增广LQR 控制器设计 | 第49-58页 |
| ·状态变量模型（SVM）的形式 | 第49-50页 |
| ·状态变量模型（SVM）系数矩阵的求取 | 第50-53页 |
| ·状态变量模型（SVM）的精度 | 第53-54页 |
| ·增广LQR 方法 | 第54-56页 |
| ·状态变量模型控制仿真 | 第56-58页 |
| ·基于增广LQR 方法的非线性模型直接推力控制 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 基于神经网络逆控制的发动机直接推力控制 | 第64-75页 |
| ·概述 | 第64-65页 |
| ·总体控制方案 | 第65-67页 |
| ·基于神经网络的逆控制器设计 | 第67-69页 |
| ·直接推力逆控制仿真 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |
