| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景与项目研究的目的和意义 | 第9-10页 |
| 1.2 国内外永磁同步电机控制理论研究现状 | 第10-11页 |
| 1.3 模型预测控制在 PMSM 伺服系统中的应用与研究现状 | 第11-13页 |
| 1.4 神经网络在 PMSM 伺服系统中的应用与研究现状 | 第13-14页 |
| 1.5 本文的主要研究内容 | 第14-16页 |
| 第2章 永磁同步电机模型预测直接速度控制 | 第16-35页 |
| 2.1 模型预测控制原理 | 第16-18页 |
| 2.1.1 预测模型 | 第16页 |
| 2.1.2 滚动优化 | 第16-18页 |
| 2.1.3 反馈校正 | 第18页 |
| 2.2 永磁同步电机模型分析 | 第18-23页 |
| 2.2.1 永磁同步电机的数学模型 | 第18-21页 |
| 2.2.2 永磁同步电机的离散化预测模型 | 第21-23页 |
| 2.3 永磁同步电机模型预测直接速度控制原理分析 | 第23-28页 |
| 2.3.1 状态检测 | 第23-24页 |
| 2.3.2 模型预测 | 第24-25页 |
| 2.3.3 输入量选择 | 第25-28页 |
| 2.4 永磁同步电机模型预测直接速度控制的改进措施 | 第28-30页 |
| 2.4.1 开关频率限制 | 第28-29页 |
| 2.4.2 负载转矩补偿 | 第29-30页 |
| 2.5 仿真分析 | 第30-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于神经网络的永磁同步电机直接速度控制 | 第35-54页 |
| 3.1 人工神经网络原理 | 第35-38页 |
| 3.1.1 人工神经元模型 | 第35-36页 |
| 3.1.2 神经网络的拓扑结构 | 第36-37页 |
| 3.1.3 神经网络的学习 | 第37-38页 |
| 3.2 基于神经网络的永磁同步电机直接速度控制 | 第38-44页 |
| 3.2.1 BP 神经网络预测器的设计 | 第39-43页 |
| 3.2.2 在线滑动窗口学习 | 第43-44页 |
| 3.3 关于提高算法实时性的研究 | 第44-47页 |
| 3.3.1 应用共轭梯度法提高收敛速度 | 第44-46页 |
| 3.3.2 限制单周期内神经网络的学习时间 | 第46-47页 |
| 3.4 仿真分析 | 第47-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 系统硬件平台的设计 | 第54-63页 |
| 4.1 系统硬件平台总体结构 | 第54页 |
| 4.2 功率驱动电路设计 | 第54-59页 |
| 4.2.1 电源系统 | 第55-56页 |
| 4.2.2 IPM 主电路 | 第56页 |
| 4.2.3 电压、电流检测电路 | 第56-57页 |
| 4.2.4 光耦隔离与反相处理 | 第57-58页 |
| 4.2.5 故障保护 | 第58-59页 |
| 4.3 控制电路设计 | 第59-62页 |
| 4.3.1 AD5435 实时仿真器 | 第59-60页 |
| 4.3.2 速度与位置信号检测 | 第60页 |
| 4.3.3 信号滤波与调理电路 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于 AD5435 的系统快速控制原型实验与分析 | 第63-71页 |
| 5.1 基于 AD5435 的控制系统结构 | 第63-65页 |
| 5.2 速度阶跃响应实验与分析 | 第65-66页 |
| 5.3 突加负载转矩实验与分析 | 第66-68页 |
| 5.4 系统抗扰性实验与分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及获得成果 | 第77-79页 |
| 致谢 | 第79页 |
