| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·直接转矩控制系统的提出与发展 | 第8页 |
| ·直接转矩控制系统的特点 | 第8-9页 |
| ·无速度传感器技术国内外研究现状 | 第9-11页 |
| ·动态速度估计器法 | 第9-10页 |
| ·速度自适应观测器 | 第10页 |
| ·卡尔曼滤波技术(KFT) | 第10页 |
| ·转子齿谐波法 | 第10页 |
| ·模型参考自适应(MRAS)方法 | 第10-11页 |
| ·基于神经网络的方法 | 第11页 |
| ·无速度传感器直接转矩控制存在的问题及解决方案 | 第11页 |
| ·论文内容及结构安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 直接转矩控制基本原理 | 第13-24页 |
| ·交流电机的数学模型 | 第13-15页 |
| ·三相电压型逆变器数学模型和电压空间矢量 | 第15-17页 |
| ·直接转矩控制系统的结构 | 第17-23页 |
| ·磁链模型 | 第18-20页 |
| ·磁链调节 | 第20-21页 |
| ·转矩调节 | 第21-22页 |
| ·电压开关状态的选择 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 神经网络和遗传算法的基础理论 | 第24-41页 |
| ·神经网络 | 第24-33页 |
| ·神经网络在控制中的应用 | 第24页 |
| ·神经网络的发展 | 第24页 |
| ·神经网络的基本特征 | 第24-25页 |
| ·神经元及其特性 | 第25-27页 |
| ·神经网络的分类 | 第27-28页 |
| ·神经网络的学习算法 | 第28页 |
| ·BP 神经网络 | 第28-33页 |
| ·BP 神经网络的结构 | 第28-29页 |
| ·BP 算法推导 | 第29-31页 |
| ·BP 算法的实现步骤 | 第31-33页 |
| ·BP 算法的局限性 | 第33页 |
| ·遗传算法 | 第33-40页 |
| ·遗传算法的特点 | 第34页 |
| ·遗传算法的基本原理 | 第34-40页 |
| ·编码 | 第34-36页 |
| ·种群初始化 | 第36页 |
| ·停止条件 | 第36页 |
| ·选择操作 | 第36-37页 |
| ·交叉操作 | 第37-38页 |
| ·变异操作 | 第38-39页 |
| ·控制参数的选择 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于遗传算法优化的BP 神经网络速度观测器的设计 | 第41-60页 |
| ·神经网络速度观测器的结构 | 第41-43页 |
| ·样本数据的采集 | 第43-46页 |
| ·实验平台的简要概述 | 第43-46页 |
| ·算法的实现 | 第46-55页 |
| ·神经网络速度观测器的训练与测试 | 第55-59页 |
| ·实验分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-61页 |
| ·总结 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录 A (攻读学位期间发表论文目录及参与课题) | 第65页 |