基于支持向量机的磁力轴承控制算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题来源及研究的目的和意义 | 第10-11页 |
| ·课题来源 | 第10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·磁悬浮技术的发展概况及磁力轴承概述 | 第11-12页 |
| ·磁力轴承控制技术的研究现状 | 第12-14页 |
| ·支持向量机的研究现状 | 第14-15页 |
| ·本论文研究的主要内容 | 第15-17页 |
| 第2章 磁力轴承数学模型与PID控制器设计 | 第17-31页 |
| ·主动磁力轴承的组成原理 | 第17-18页 |
| ·磁力轴承的数学模型 | 第18-22页 |
| ·磁力轴承电磁力 | 第18-21页 |
| ·磁力轴承的转子运动方程 | 第21-22页 |
| ·磁力轴承的PID控制器设计 | 第22-26页 |
| ·磁力轴承闭环系统结构 | 第22-23页 |
| ·磁力轴承PID控制器 | 第23-24页 |
| ·PID控制参数的选择 | 第24-26页 |
| ·磁力轴承控制系统仿真 | 第26-30页 |
| ·MATLAB/SIMULINK介绍 | 第26-27页 |
| ·S函数编写 | 第27-28页 |
| ·磁力轴承PID控制系统仿真 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 磁力轴承的神经网络PID控制 | 第31-43页 |
| ·神经网络基础 | 第31-33页 |
| ·神经网络特点 | 第31-32页 |
| ·神经元模型 | 第32-33页 |
| ·神经网络的学习方法 | 第33页 |
| ·BP神经网络 | 第33-37页 |
| ·BP网络结构 | 第33-34页 |
| ·BP网络学习规则 | 第34-36页 |
| ·BP网络设计技巧 | 第36-37页 |
| ·BP学习算法的改进 | 第37页 |
| ·磁力轴承的BP神经网络PID控制器 | 第37-41页 |
| ·基于BP神经网络的PID整定原理 | 第37-38页 |
| ·控制算法的推导 | 第38-41页 |
| ·仿真实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 支持向量机基本原理 | 第43-56页 |
| ·支持向量机基本理论 | 第43-46页 |
| ·机器学习问题的表示 | 第43-44页 |
| ·经验风险最小化 | 第44-45页 |
| ·复杂性和推广能力 | 第45-46页 |
| ·统计学习理论 | 第46-48页 |
| ·函数集的VC维 | 第46页 |
| ·推广能力的界 | 第46-47页 |
| ·结构风险最小化 | 第47-48页 |
| ·支持向量机 | 第48-54页 |
| ·分类面及核函数 | 第48-53页 |
| ·用于函数拟合的支持向量机 | 第53-54页 |
| ·支持向量机算法的研究 | 第54-55页 |
| ·核函数的改进 | 第54页 |
| ·错误惩罚参数C的选择 | 第54-55页 |
| ·不敏感参数ε的选择 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第5章 磁力轴承的支持向量机整定PID控制 | 第56-68页 |
| ·基于支持向量机的PID控制系统结构 | 第56-57页 |
| ·支持向量机回归原理 | 第57-60页 |
| ·支持向量机回归函数 | 第57-59页 |
| ·支持向量机系统辨识理论 | 第59页 |
| ·支持向量机系统辨识 | 第59-60页 |
| ·支持向量机调整PID控制算法 | 第60-62页 |
| ·PID参数整定的改进及整定步骤 | 第62-64页 |
| ·PID参数整定的改进 | 第62-63页 |
| ·PID控制器参数整定步骤 | 第63-64页 |
| ·仿真实验 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·全文总结 | 第68-69页 |
| ·研究展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
