自适应逆控制在直线电机控制系统中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·多线切割机发展概况及趋势 | 第11-13页 |
| ·切割设备的发展概况 | 第11-12页 |
| ·存在问题及发展趋势 | 第12-13页 |
| ·神经网络自适应逆控制起源和发展 | 第13-16页 |
| ·控制原理 | 第13-14页 |
| ·研究现状 | 第14-15页 |
| ·算法不足 | 第15-16页 |
| ·本课题研究的主要内容 | 第16-17页 |
| 第2章 多线切割机控制系统分析 | 第17-26页 |
| ·引言 | 第17页 |
| ·系统分析 | 第17-22页 |
| ·多线切割机的工作原理 | 第17-18页 |
| ·多线切割机的优越性 | 第18-19页 |
| ·影响线锯切割质量的因素 | 第19页 |
| ·直线伺服电动机概述 | 第19-22页 |
| ·直线永磁同步电机的结构 | 第22页 |
| ·直线永磁同步电机的工作原理 | 第22-23页 |
| ·直线伺服电动机的数学模型 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 自适应逆控制算法 | 第26-34页 |
| ·引言 | 第26-27页 |
| ·自适应控制 | 第27-28页 |
| ·自适应逆控制的几种结构 | 第28-32页 |
| ·基本结构 | 第28-30页 |
| ·模型参考自适应逆控制 | 第30-31页 |
| ·扰动消除自适应逆控制结构 | 第31页 |
| ·完整自适应逆控制结构 | 第31-32页 |
| ·自适应逆控制的特点 | 第32-33页 |
| ·跟随性 | 第32-33页 |
| ·抗扰性 | 第33页 |
| ·鲁棒性 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 改进的神经网络BP 算法 | 第34-53页 |
| ·引言 | 第34-35页 |
| ·神经网络概述 | 第35-39页 |
| ·神经网络起源及研究现状 | 第35-36页 |
| ·神经网络控制系统研究热点 | 第36-37页 |
| ·常用的算法及学习规则 | 第37-39页 |
| ·神经网络控制系统的类型 | 第39-42页 |
| ·神经网络专家系统控制 | 第39-40页 |
| ·神经网络模糊控制 | 第40-41页 |
| ·神经网络滑模控制 | 第41页 |
| ·容错控制 | 第41页 |
| ·神经网络与常规控制方法的结合 | 第41-42页 |
| ·完全神经网络控制 | 第42页 |
| ·改进的BP 算法 | 第42-52页 |
| ·基本BP 神经网络的拓扑结构 | 第42-46页 |
| ·动态学习率算法 | 第46-47页 |
| ·改进的分层动态学习率算法 | 第47-48页 |
| ·改进算法的实现 | 第48-50页 |
| ·仿真实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 神经网络自适应逆控制及应用 | 第53-66页 |
| ·引言 | 第53页 |
| ·BP 神经网络逆控制系统 | 第53-61页 |
| ·结构选择 | 第53-55页 |
| ·NNC 控制模型 | 第55-58页 |
| ·对象模型辩识 NNI 结构 | 第58页 |
| ·BP 神经网络逆控制系统结构 | 第58-61页 |
| ·自适应逆控制算法步骤 | 第61页 |
| ·仿真实验 | 第61-65页 |
| ·模型参数确定 | 第61-62页 |
| ·仿真参数 | 第62-63页 |
| ·仿真结果 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
