磁流减振器神经网络预测控制系统的仿真研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-19页 |
| ·引言 | 第7页 |
| ·减振技术概况 | 第7-8页 |
| ·减振控制技术 | 第7-8页 |
| ·耗能减振技术 | 第8页 |
| ·磁流减振技术的发展 | 第8-12页 |
| ·磁流变液的发展 | 第8-9页 |
| ·磁流减振器的应用 | 第9-12页 |
| ·磁流减振控制技术研究 | 第12-16页 |
| ·智能控制技术的发展 | 第12-13页 |
| ·神经网络控制技术的发展 | 第13-15页 |
| ·神经网络控制在磁流减振技术中的发展 | 第15-16页 |
| ·本文研究目标和研究内容 | 第16-19页 |
| ·研究目标 | 第16页 |
| ·研究内容 | 第16-19页 |
| 第2章 磁流减振器及其控制策略 | 第19-34页 |
| ·磁流变阻尼器的结构和工作原理 | 第19-22页 |
| ·振动控制系统类型 | 第22-25页 |
| ·被动控制 | 第23-24页 |
| ·半主动控制 | 第24-25页 |
| ·主动控制 | 第25页 |
| ·磁流减振控制方法 | 第25-33页 |
| ·自适应控制方法 | 第25-27页 |
| ·最优控制方法 | 第27-28页 |
| ·神经网络控制 | 第28-30页 |
| ·模糊控制方法 | 第30-31页 |
| ·滑模控制方法 | 第31-32页 |
| ·预测控制方法 | 第32-33页 |
| ·控制策略分析 | 第33-34页 |
| 第3章 基于神经网络的模型预测控制 | 第34-45页 |
| ·BP神经网络 | 第34-41页 |
| ·BP算法原理 | 第34-35页 |
| ·多层前向神经网络的函数逼近能力 | 第35-36页 |
| ·神经网络辨识 | 第36-38页 |
| ·多层前向网络误差反传的学习过程 | 第38-40页 |
| ·BP算法的缺陷及其改进 | 第40-41页 |
| ·神经网络模型预测控制理论 | 第41-45页 |
| ·系统辨识 | 第41-42页 |
| ·模型预测 | 第42-43页 |
| ·滚动优化 | 第43-44页 |
| ·反馈校正 | 第44-45页 |
| 第4章 磁流减振器控制系统仿真 | 第45-61页 |
| ·Simulink仿真工具 | 第45-46页 |
| ·基于 Simulink的磁流减振控制系统仿真 | 第46-61页 |
| ·输入和输出变量的确定 | 第46页 |
| ·数据预处理 | 第46-48页 |
| ·BP网络的设计 | 第48-49页 |
| ·建立模型 | 第49-52页 |
| ·系统辨识 | 第52-53页 |
| ·系统仿真 | 第53-61页 |
| 第5章 结论与展望 | 第61-62页 |
| ·总结 | 第61页 |
| ·研究中存在的不足 | 第61页 |
| ·未来展望 | 第61-62页 |
| 附录 | 第62-78页 |
| 参考文献 | 第78-82页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |
