| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 论文研究意义 | 第10页 |
| 1.2 负载模拟器的概述 | 第10-12页 |
| 1.2.1 负载模拟器的结构 | 第10-11页 |
| 1.2.2 负载模拟器的分类 | 第11-12页 |
| 1.2.3 负载模拟器的性能评价 | 第12页 |
| 1.3 负载模拟器的控制方法研究现状 | 第12-15页 |
| 1.3.1 结构法 | 第13页 |
| 1.3.2 控制法 | 第13-15页 |
| 1.4 本文主要研究内容及安排 | 第15-17页 |
| 第二章 电动加载模型建立及分析 | 第17-31页 |
| 2.1 电动加载环节数学模型建立 | 第17-19页 |
| 2.1.1 加载电机的数学模型 | 第17-18页 |
| 2.1.2 PWM驱动装置的数学模型 | 第18页 |
| 2.1.3 力矩传感器的数学模型 | 第18-19页 |
| 2.1.4 电动加载环节数学模型 | 第19页 |
| 2.1.5 仿真参数的确定 | 第19页 |
| 2.2 电动加载环节特性分析 | 第19-26页 |
| 2.2.1 电动加载通道频率特性分析 | 第19-21页 |
| 2.2.2 多余力矩分析 | 第21-24页 |
| 2.2.3 不确定性分析 | 第24-26页 |
| 2.3 多余力矩的补偿抑制 | 第26-30页 |
| 2.3.1 基于速度前馈补偿的多余力矩抑制 | 第26-27页 |
| 2.3.2 基于干扰观测的多余力矩复合抑制 | 第27-29页 |
| 2.3.3 仿真研究 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 电动加载神经网络逆控制 | 第31-40页 |
| 3.1 神经网络概述 | 第31-32页 |
| 3.2 神经网络广义逆控制 | 第32-36页 |
| 3.2.1 逆系统原理 | 第32-33页 |
| 3.2.2 神经网络广义逆系统及实现 | 第33-35页 |
| 3.2.3 电动加载神经网络逆控制实现 | 第35-36页 |
| 3.3 仿真研究 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 电动加载在线神经网络逆控制 | 第40-49页 |
| 4.1 神经网络逆控制中问题分析 | 第40-41页 |
| 4.2 在线学习神经网络逆控制方法 | 第41-46页 |
| 4.2.1 L-M（Levenberg-Marqurdt）算法 | 第42-43页 |
| 4.2.2 在线L-M神经网络算法实现 | 第43-45页 |
| 4.2.3 在线神经网络收敛性 | 第45-46页 |
| 4.2.4 在线神经网络的实现过程 | 第46页 |
| 4.3 电动加载在线神经网络逆控制 | 第46-47页 |
| 4.4 仿真研究 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 电动加载在线神经网络复合逆控制 | 第49-54页 |
| 5.1 一般模型控制（GMC） | 第49-50页 |
| 5.2 通用模型控制（CMC） | 第50-51页 |
| 5.3 电动加载在线神经网络复合逆控制 | 第51-52页 |
| 5.4 仿真研究 | 第52-53页 |
| 5.4.1 在线神经网络复合逆控制仿真 | 第52-53页 |
| 5.4.2 电动加载力矩跟踪误差综合分析 | 第53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 附件 | 第63-64页 |