| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景及研究意义 | 第11页 |
| 1.2 伺服系统的概述 | 第11-13页 |
| 1.3 交流伺服系统的建模方法 | 第13-14页 |
| 1.4 交流伺服系统的控制策略 | 第14-15页 |
| 1.5 研究目标及内容 | 第15-17页 |
| 2 系统半实物实验平台介绍 | 第17-29页 |
| 2.1 实验平台功能和原理 | 第17页 |
| 2.2 实验平台各组成部分介绍 | 第17-23页 |
| 2.2.1 控制计算机 | 第17-19页 |
| 2.2.2 位置控制模块 | 第19页 |
| 2.2.3 角位置信号采集模块 | 第19-21页 |
| 2.2.4 减速器 | 第21-22页 |
| 2.2.5 加载装置 | 第22页 |
| 2.2.6 伺服放大器电路设计 | 第22-23页 |
| 2.3 PMSM的数学模型 | 第23-25页 |
| 2.3.1 PMSM的定子电压和磁链方程 | 第23-24页 |
| 2.3.2 PMSM的转矩方程 | 第24-25页 |
| 2.3.3 PMSM的运动方程 | 第25页 |
| 2.4 PMSM矢量控制策略 | 第25-26页 |
| 2.5 交流伺服系统建模 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 交流伺服系统的系统辨识模型 | 第29-43页 |
| 3.1 系统辨识简介 | 第29-30页 |
| 3.2 辨识数据的选择和处理 | 第30-34页 |
| 3.2.1 信号的分类 | 第30-32页 |
| 3.2.2 辨识数据的选择 | 第32-33页 |
| 3.2.3 辨识数据的预处理 | 第33-34页 |
| 3.3 RBF神经网络辨识 | 第34-37页 |
| 3.3.1 RBF神经网络 | 第35-36页 |
| 3.3.2 RBF神经网络辨识研究 | 第36-37页 |
| 3.4 差分进化算法优化的RBF神经网络辨识 | 第37-42页 |
| 3.4.1 差分进化算法的原理和特性 | 第38-39页 |
| 3.4.2 基于差分进化算法优化的RBF神经网络设计 | 第39-40页 |
| 3.4.3 基于差分算法优化的RBF神经网络辨识研究 | 第40-42页 |
| 3.5 辨识结果对比 | 第42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 交流伺服系统的控制策略研究 | 第43-64页 |
| 4.1 滑模变结构控制理论 | 第43-46页 |
| 4.1.1 滑模变结构控制原理 | 第43-45页 |
| 4.1.2 滑模变结构的系统运动组成及抖振 | 第45-46页 |
| 4.1.3 等效滑模变结构控制 | 第46页 |
| 4.2 神经网络滑模变结构控制系统设计 | 第46-51页 |
| 4.2.1 系统描述 | 第46-47页 |
| 4.2.2 滑模变结构控制的等效控制 | 第47-48页 |
| 4.2.3 基于RBF神经网络的切换控制 | 第48-49页 |
| 4.2.4 神经网络滑模变结构控制器 | 第49-51页 |
| 4.3 模糊神经网络滑模变结构控制系统设计 | 第51-59页 |
| 4.3.1 模糊控制 | 第52-53页 |
| 4.3.2 模糊RBF神经网络结构设计 | 第53-55页 |
| 4.3.3 模糊RBF神经网络控制器设计 | 第55-57页 |
| 4.3.4 模糊神经网络滑模变结构控制系统的设计 | 第57-59页 |
| 4.4 基于滑模控制的不同控制器仿真研究 | 第59-63页 |
| 4.4.1 系统输入阶跃信号时的结果与分析 | 第60-62页 |
| 4.4.2 系统输入正弦信号时的结果与分析 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 实验研究 | 第64-68页 |
| 5.1 性能指标 | 第64-65页 |
| 5.2 实验结果 | 第65-67页 |
| 5.2.1 阶跃响应实验结果 | 第65-66页 |
| 5.2.2 正弦跟踪位置误差实验结果 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-70页 |
| 6.1 全文总结 | 第68页 |
| 6.2 研究展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |