基于神经网络的开关磁阻电机模型的分析与研究
| 第一章 引言 | 第1-20页 |
| ·本课题的目的和研究意义 | 第9页 |
| ·人工神经网络的发展现状 | 第9-15页 |
| ·人工神经网络国外发展情况 | 第9-13页 |
| ·人工神经网络国内研究概况 | 第13-14页 |
| ·神经网络的应用 | 第14-15页 |
| ·开关磁阻电动机的国内外研究现状 | 第15-18页 |
| ·本文的工作 | 第18-20页 |
| 第二章 开关磁阻电动机的基本原理 | 第20-26页 |
| ·引言 | 第20页 |
| ·开关磁阻电动机的基本结构和工作原理 | 第20-22页 |
| ·开关磁阻电动机的基本方程 | 第22-26页 |
| ·电动势平衡方程 | 第22-23页 |
| ·机械平衡方程式 | 第23-26页 |
| 第三章 SRM 的电磁特性的几种建模方法 | 第26-32页 |
| ·理想线性化建模 | 第26-28页 |
| ·准线性化建模方法 | 第28-30页 |
| ·非线性模型 | 第30页 |
| ·小结 | 第30-32页 |
| 第四章 神经网络在SRM 建模中的应用 | 第32-44页 |
| ·基于BP 神经网络的SRM 建模方法 | 第32-38页 |
| ·引言 | 第32页 |
| ·BP 网络的学习算法 | 第32-34页 |
| ·Sigmoid 激发函数下的BP 算法 | 第34-36页 |
| ·BP 神经网络的局限性 | 第36页 |
| ·BP 神经网络在SRM 建模中的应用 | 第36-38页 |
| ·基于RBF 神经网络的SRM 建模方法 | 第38-43页 |
| ·引言 | 第38-39页 |
| ·RBF 神经网络模型 | 第39-40页 |
| ·RBF 神经网络的学习算法 | 第40-42页 |
| ·基于RBF 神经网络的开关磁阻电机建模 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第五章 基于遗传神经网络的SRM 建模方法 | 第44-60页 |
| ·遗传算法简介 | 第44-46页 |
| ·遗传算法的原理 | 第44页 |
| ·遗传算法的特点 | 第44-46页 |
| ·遗传算法与神经网络的结合 | 第46-47页 |
| ·引言 | 第46-47页 |
| ·遗传算法需要解决的主要问题 | 第47页 |
| ·基于遗传算法的BP 网络的全局优化 | 第47-57页 |
| ·基于BP 网络的遗传算法设计 | 第48-53页 |
| ·染色体编码规则 | 第48-49页 |
| ·初始化群体 | 第49-50页 |
| ·评价函数的选择 | 第50页 |
| ·遗传操作的设计 | 第50-53页 |
| ·BP 神经网络的优化策略 | 第53-57页 |
| ·简单的前向神经网络优化策略 | 第54-55页 |
| ·简单的BP 神经网络优化策略 | 第55-56页 |
| ·改进的BP 神经网络优化策略 | 第56-57页 |
| ·基于GA-NN 的SRM 建模及仿真 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录Ⅰ实验数据 | 第65-66页 |
| 附录Ⅱ源程序清单 | 第66-89页 |
| Ⅱ.1 BP 神经网络建模仿真源程序 | 第66-67页 |
| Ⅱ.2 RBF 神经网络建模仿真源程序 | 第67-69页 |
| Ⅱ.3 遗传神经网络建模仿真源程序 | 第69-89页 |
| 个人简历 | 第89页 |
