| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究目的和意义 | 第11-12页 |
| ·非线性系统控制方法概述 | 第12-17页 |
| ·微分几何方法 | 第13页 |
| ·直接反馈线性化方法 | 第13-14页 |
| ·逆系统方法 | 第14页 |
| ·智能控制在非线性控制的应用 | 第14-17页 |
| ·本文研究思路的提出 | 第17页 |
| ·本文的内容安排 | 第17-19页 |
| 第2章 非线性控制的逆系统方法 | 第19-25页 |
| ·逆系统方法简介 | 第19-21页 |
| ·逆系统方法的基本概念 | 第19-20页 |
| ·逆系统与伪线性系统 | 第20-21页 |
| ·逆系统方法原理 | 第21页 |
| ·左逆系统与右逆系统 | 第21-23页 |
| ·左逆系统 | 第22页 |
| ·右逆系统 | 第22-23页 |
| ·系统可逆性的判断 | 第23页 |
| ·小结 | 第23-25页 |
| 第3章 神经网络逆系统的实现 | 第25-45页 |
| ·神经网络逆系统的提出 | 第25-28页 |
| ·神经网络控制方法的产生 | 第26-27页 |
| ·神经网络模型 | 第27-28页 |
| ·BP神经网络 | 第28-33页 |
| ·BP网络结构与算法 | 第28-30页 |
| ·BP网络设计中所注意的问题 | 第30-31页 |
| ·BP网络的限制 | 第31-32页 |
| ·BP网络的改进 | 第32-33页 |
| ·遗传算法基本原理 | 第33-39页 |
| ·基本遗传算法描述 | 第33页 |
| ·遗传算法步骤 | 第33-34页 |
| ·压缩映射遗传算法 | 第34-37页 |
| ·面向神经网络权值和阈值的压缩映射遗传算法 | 第37-39页 |
| ·神经网络α阶逆系统方法 | 第39-43页 |
| ·神经网络与逆系统方法的结合 | 第39-40页 |
| ·神经网络α阶逆系统结构 | 第40-41页 |
| ·神经网络α阶逆系统的特点与实现步骤 | 第41-43页 |
| ·神经网络α阶逆系统方法与其它逆控制方法的比较 | 第43页 |
| ·小结 | 第43-45页 |
| 第4章 神经网络逆系统方法在感应电机解耦控制中的应用研究 | 第45-55页 |
| ·感应电机解耦控制概述 | 第45-46页 |
| ·感应电机数学模型可逆性分析 | 第46-48页 |
| ·感应电机神经网络α阶逆系统的实现方法 | 第48-53页 |
| ·试验数据的采集与激励信号的选取 | 第48-50页 |
| ·试验数据的处理与训练样本的获得 | 第50页 |
| ·神经网络的选型 | 第50-51页 |
| ·构造神经网络逆系统 | 第51页 |
| ·神经网络离线训练 | 第51-53页 |
| ·基于神经网络逆系统解耦控制方法的设计 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第5章 仿真结果与分析 | 第55-69页 |
| ·MATLAB仿真软件 | 第55-57页 |
| ·SIMULINK工具箱 | 第56页 |
| ·SimPowerSystems工具箱 | 第56-57页 |
| ·仿真模型的构建 | 第57-63页 |
| ·感应电机矢量控制系统的构建 | 第57-60页 |
| ·感应电机矢量控制系统控制参数整定 | 第60-61页 |
| ·感应电机神经网络α阶逆系统的构建 | 第61-63页 |
| ·感应电机神经网络α阶逆系统控制参数整定 | 第63页 |
| ·实验结果分析 | 第63-67页 |
| ·额定参数条件下的解耦控制 | 第63-65页 |
| ·负载变化条件下的解耦控制 | 第65-67页 |
| ·小结 | 第67-69页 |
| 第6章 结论和对未来的展望 | 第69-71页 |
| ·结论 | 第69-70页 |
| ·未来的研究 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |