首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

基于分数阶PI~λD~μ的压电叠堆控制方法研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第10-20页
    1.1 课题研究背景及意义第10-11页
    1.2 压电叠堆的国内外研究现状第11-13页
    1.3 压电叠堆建模的国内外研究现状第13-16页
        1.3.1 Preisach模型第14页
        1.3.2 Prandtl-Ishlinskii模型第14页
        1.3.3 Maxwell模型第14-15页
        1.3.4 Krasnosel'skii-Pokrovskii模型第15页
        1.3.5 人工神经网络模型第15-16页
    1.4 压电叠堆的主要控制方法第16-18页
        1.4.1 基于逆模型的前馈控制第16-17页
        1.4.2 闭环反馈控制第17-18页
    1.5 本文的章节安排第18-20页
第2章 压电叠堆和分数阶微积分基础理论第20-32页
    2.1 压电学基础第20-23页
        2.1.1 压电效应第20-21页
        2.1.2 压电材料特性第21-22页
        2.1.3 压电材料性能参数第22-23页
    2.2 压电叠堆第23-24页
    2.3 分数阶微积分第24-31页
        2.3.1 分数阶微积分定义第25-26页
        2.3.2 分数阶微积分性质第26-27页
        2.3.3 分数阶Laplace变换第27页
        2.3.4 分数阶系统的数学描述第27-28页
        2.3.5 分数阶PI~λD~μ第28-30页
        2.3.6 分数阶微积分实现方法第30-31页
    2.4 本章小结第31-32页
第3章 压电叠堆位移采集与控制平台设计第32-40页
    3.1 xPC平台介绍第32-34页
    3.2 xPC平台制作过程第34-35页
    3.3 压电叠堆位移采集与控制平台构成第35-37页
    3.4 压电叠堆位移采集第37-38页
    3.5 本章小结第38-40页
第4章 压电叠堆的粒子群分数阶PI~λD~μ闭环控制第40-58页
    4.1 分数阶微积分特性第40-42页
    4.2 压电叠堆的分数阶建模第42-44页
    4.3 参数辨识实验第44-48页
        4.3.1 粒子群优化算法第45-46页
        4.3.2 模型结果第46-48页
    4.4 压电叠堆控制系统的粒子群分数阶PI~λD~μ控制器设计第48-54页
        4.4.1 分数阶PI~λD~μ阶次对系统的影响第49-52页
        4.4.2 分数阶PI~λD~μ控制器的一般设计方法第52-53页
        4.4.3 粒子群分数阶PI~λD~μ控制器设计第53-54页
    4.5 粒子群分数阶PI~λD~μ的压电叠堆位移控制实验第54-57页
    4.6 本章小结第57-58页
第5章 压电叠堆的RBF神经网络分数阶PI~λD~μ闭环控制第58-66页
    5.1 RBF神经网络第58-59页
    5.2 RBF神经网络分数阶PI~λD~μ控制算法设计第59-61页
    5.3 RBF神经网络分数阶PI~λD~μ的压电叠堆位移控制实验第61-63页
    5.4 本章小结第63-66页
第6章 总结与展望第66-68页
    6.1 全文总结第66页
    6.2 研究展望第66-68页
参考文献第68-76页
作者简介及科研成果第76-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:空间机器人抓捕逼近段位姿耦合协同控制
下一篇:主成分分析和神经网络在消费支出预测中的应用