首页--工业技术论文--电工技术论文--电机论文--交流电机论文--同步电机论文

模糊小波网络及其在永磁同步电机控制中的应用

第1章 绪论第1-30页
   ·研究背景和意义第15-17页
   ·小波分析基础第17-22页
   ·模糊逻辑技术、人工神经网络与模糊神经网络第22-24页
     ·模糊逻辑技术第22页
     ·人工神经网络第22-23页
     ·模糊神经网络第23-24页
   ·小波网络第24-26页
   ·高性能永磁同步电动机控制系统的研究现状第26-27页
   ·本论文的主要研究内容第27-30页
第2章 模糊小波网络模型的构造第30-74页
   ·引言第30-31页
   ·T-S模糊模型第31-32页
   ·小波网络的模型第32-34页
   ·基于小波隶属函数的模糊小波网络(FWN1)模型第34-45页
     ·模型的基本结构第34-38页
     ·小波隶属函数的选取第38-41页
     ·小波隶属函数的特性分析第41-44页
     ·B样条函数下FWN1的特点第44-45页
   ·FWN1模型的结构设计和学习算法研究第45-55页
     ·网络初始化第46-51页
     ·学习算法第51-52页
     ·仿真研究第52-55页
   ·模糊后件为小波网络的模糊小波网络(FWN2)模型第55-60页
     ·模型的基本结构第55-58页
     ·小波函数的选取第58页
     ·FWN2的特性分析第58-60页
     ·B样条函数下FWN2的特点第60页
   ·FWN2模型的结构设计和学习算法研究第60-67页
     ·网络初始化第60-61页
     ·学习算法第61-64页
     ·仿真研究第64-67页
   ·FWN的逼近性分析第67-72页
   ·本章小结第72-74页
第3章 动态递归模糊小波网络的研究第74-90页
   ·引言第74页
   ·动态递归模糊小波网络(RCFWN)的结构第74-78页
     ·RCFWN1模型结构第75-76页
     ·RCFWN2模型结构第76-78页
   ·RCFWN的逼近性分析第78-81页
   ·RCFWN辨识方法及稳定性分析第81-86页
     ·BP学习算法第82-83页
     ·稳定性分析第83-86页
   ·仿真研究第86-89页
   ·本章小结第89-90页
第4章 FWN自适应滑模控制研究第90-109页
   ·引言第90-91页
   ·一类非线性系统自适应滑模模糊小波控制第91-99页
     ·系统描述第91-92页
     ·自适应滑模模糊小波控制第92-97页
     ·仿真研究第97-99页
   ·一类非线性系统间接自适应模糊小波滑模控制第99-108页
     ·系统描述第99-100页
     ·自适应模糊小波控制第100-101页
     ·非线性系统自适应模糊小波滑模控制第101-105页
     ·仿真研究第105-108页
   ·本章小结第108-109页
第5章 基于FWN的PMSM矢量控制系统的研究第109-140页
   ·引言第109-110页
   ·永磁同步电动机的数学模型和矢量控制系统第110-118页
     ·永磁同步电动机数学模型第110-115页
     ·永磁同步电动机矢量控制第115-116页
     ·实验平台第116-118页
   ·模糊小波自适应复合位置控制器第118-125页
     ·IP位置控制系统第118-120页
     ·模糊小波自适应复合位置控制器第120-123页
     ·实验结果第123-125页
   ·PMSM滑模变结构位置控制系统研究第125-131页
     ·LQ位置控制算法第126-128页
     ·变结构的LQ(LQ-VSC)控制第128-129页
     ·实验结果第129-131页
   ·基于FWN辨识器的滑模位置控制第131-138页
     ·滑模控制原理第131-133页
     ·用FWN辩识β的大小第133-135页
     ·实验结果第135-138页
   ·本章小结第138-140页
结论第140-143页
致谢第143-144页
参考文献第144-156页
攻读博士学位期间发表的论文和科研情况第156-157页

论文共157页,点击 下载论文
上一篇:降低催化裂化油浆中灰分的过滤工艺研究
下一篇:长周期光纤光栅模场及耦合的研究