基于神经网络的磁悬浮轴承系统辨识研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及科学意义 | 第8-10页 |
| ·磁悬浮轴承的研究现状 | 第10-11页 |
| ·磁悬浮轴承系统建模的研究现状 | 第11-12页 |
| ·本论文的研究内容 | 第12-14页 |
| 第二章 系统辨识基础理论 | 第14-23页 |
| ·系统辨识的定义 | 第14-16页 |
| ·系统模型的定义 | 第14页 |
| ·建立数学模型的基本方法 | 第14-15页 |
| ·系统辨识的定义 | 第15-16页 |
| ·系统辨识的内容 | 第16-18页 |
| ·线性系统辨识的常用方法 | 第18-19页 |
| ·线性系统的经典辨识方法 | 第18页 |
| ·线性系统的现代辨识方法 | 第18-19页 |
| ·非线性系统的辨识方法 | 第19-22页 |
| ·非线性系统的常用数学模型 | 第19-21页 |
| ·非线性系统的常用辨识方法介绍 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 磁悬浮轴承系统辨识的实验准备 | 第23-53页 |
| ·磁悬浮轴承系统辨识硬件平台介绍 | 第23-36页 |
| ·磁悬浮实验装置原理 | 第23-25页 |
| ·磁悬浮轴承激励源的电路的设计 | 第25-26页 |
| ·磁悬浮轴承位移信号检测电路 | 第26-32页 |
| ·气隙传感器的研究与设计 | 第26-29页 |
| ·气隙检测电路的实现 | 第29-32页 |
| ·数据采集卡PC-7483的使用 | 第32-36页 |
| ·磁悬浮轴承系统辨识实验系统的软件平台 | 第36-37页 |
| ·磁悬浮轴承输入输出数据的采集 | 第37-41页 |
| ·输入输出样本数据处理 | 第41-52页 |
| ·输入输出数据时序图 | 第41-46页 |
| ·样本数据去噪处理 | 第46-52页 |
| ·小波去噪技术的原理 | 第48-49页 |
| ·基于MATLAB的磁悬浮轴承样本小波去噪 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 神经网络在系统辨识中的应用 | 第53-68页 |
| ·神经网络简介 | 第53页 |
| ·神经网络的基本原理 | 第53-57页 |
| ·神经元模型 | 第55-56页 |
| ·神经元连接方式 | 第56页 |
| ·神经网络的训练和学习 | 第56-57页 |
| ·BP网络介绍 | 第57-62页 |
| ·BP网络结构 | 第57-58页 |
| ·BP算法 | 第58页 |
| ·BP算法推导 | 第58-62页 |
| ·BP算法的不足和改进 | 第62页 |
| ·ELMAN网络介绍 | 第62-65页 |
| ·ELMAN网络结构 | 第63页 |
| ·ELMAN网络的学习算法 | 第63-65页 |
| ·神经网络在系统辨识中的应用 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 辨识单自由度磁悬浮轴承的神经网络设计 | 第68-81页 |
| ·单自由度磁悬浮轴承受力分析 | 第68-70页 |
| ·磁悬浮轴承系统模型的描述 | 第70页 |
| ·模拟磁悬浮轴承模型的神经网络结构设计 | 第70-74页 |
| ·神经网络训练及其结果分析 | 第74-75页 |
| ·DTNN的训练 | 第74页 |
| ·DTNN泛化能力的检验 | 第74-75页 |
| ·DTNN与BP网络和ELMAN网络的比较 | 第75-80页 |
| ·创建BP网络并对它进行训练 | 第75-76页 |
| ·BP网络泛化能力的检验 | 第76-77页 |
| ·ELMAN网络的创建及其训练 | 第77-78页 |
| ·ELMAN网络泛化能力的检验 | 第78-79页 |
| ·性能比较 | 第79-80页 |
| ·DTNN网络的权值和阈值参数 | 第80页 |
| ·本章小结 | 第80-81页 |
| 总结与展望 | 第81-84页 |
| 参考文献 | 第84-88页 |
| 硕士期间发表论文 | 第88-89页 |
| 中文详细摘要 | 第89-91页 |
