基于神经网络的直线电机轮廓误差控制技术研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 课题的研究背景和意义 | 第16-17页 |
| 1.2 课题的来源 | 第17页 |
| 1.3 国内外研究概况 | 第17-24页 |
| 1.3.1 直线电机应用现状 | 第18-21页 |
| 1.3.2 直线电机控制方法的研究现状 | 第21-22页 |
| 1.3.3 轮廓误差控制的研究现状 | 第22-24页 |
| 1.4 课题研究思路和方法 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 第二章 直线电机基本原理 | 第26-33页 |
| 2.1 直线电机基本结构和分类 | 第26-28页 |
| 2.1.1 直线电机的基本结构 | 第26页 |
| 2.1.2 直线电机的分类 | 第26-28页 |
| 2.2 永磁同步直线电机工作原理 | 第28-29页 |
| 2.3 永磁同步直线电机数学模型 | 第29-32页 |
| 2.3.1 永磁同步直线电机矢量控制原理 | 第29-31页 |
| 2.3.2 永磁同步直线电机运动学模型 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 神经网络理论基础 | 第33-44页 |
| 3.1 神经网络模型 | 第33-35页 |
| 3.2 神经网络的结构 | 第35-37页 |
| 3.3 神经网络的学习 | 第37-40页 |
| 3.3.1 学习方式 | 第37-38页 |
| 3.3.2 学习算法 | 第38-40页 |
| 3.4 BP神经网络 | 第40-43页 |
| 3.4.1 BP神经网络的结构 | 第40-41页 |
| 3.4.2 BP学习算法 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 直线电机伺服系统的控制方法 | 第44-61页 |
| 4.1 永磁同步直线电机伺服系统 | 第44-45页 |
| 4.2 常规PID控制原理 | 第45-49页 |
| 4.2.1 模拟PID控制 | 第45-46页 |
| 4.2.2 数字PID控制 | 第46-47页 |
| 4.2.3 PID整定方法 | 第47-49页 |
| 4.3 单轴PID控制 | 第49-52页 |
| 4.3.1 永磁同步直线电机驱动系统仿真模型 | 第49-50页 |
| 4.3.2 单轴伺服系统PID控制仿真模型 | 第50-51页 |
| 4.3.3 仿真结果分析与结论 | 第51-52页 |
| 4.4 神经网络PID控制 | 第52-60页 |
| 4.4.1 神经网络PID控制器结构 | 第52-53页 |
| 4.4.2 控制器中神经网络的学习 | 第53-55页 |
| 4.4.3 神经网络PID控制仿真模型 | 第55-58页 |
| 4.4.4 仿真结果分析与结论 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 轮廓误差控制技术研究 | 第61-76页 |
| 5.1 轮廓误差建模 | 第61-63页 |
| 5.1.1 直线运动的轮廓误差 | 第62页 |
| 5.1.2 曲线运动的轮廓误差 | 第62-63页 |
| 5.2 影响轮廓精度的因素 | 第63-68页 |
| 5.2.1 直线插补运动 | 第64-65页 |
| 5.2.2 圆弧插补运动 | 第65-66页 |
| 5.2.3 影响轮廓精度因素的实验验证 | 第66-68页 |
| 5.3 交叉耦合控制 | 第68-70页 |
| 5.3.1 交叉耦合控制技术 | 第68页 |
| 5.3.2 交叉耦合控制器设计 | 第68-70页 |
| 5.4 神经网络交叉耦合控制 | 第70-75页 |
| 5.4.1 神经网络交叉耦合控制仿真模型 | 第71-73页 |
| 5.4.2 仿真结果分析与讨论 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 全文研究总结 | 第76-77页 |
| 6.2 研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第82页 |
