| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 风力发电的发展现状 | 第9-11页 |
| 1.2.1 国外风力发电的发展现状 | 第9-10页 |
| 1.2.2 国内风力发电的发展现状 | 第10-11页 |
| 1.3 风力发电机组变桨距控制系统的研究现状 | 第11-12页 |
| 1.4 变桨距控制策略的发展 | 第12-13页 |
| 1.5 论文的主要研究内容 | 第13-15页 |
| 第二章 风力发电机变桨距控制理论概述 | 第15-22页 |
| 2.1 风力发电中的风能理论 | 第15-19页 |
| 2.1.1 风能的基础理论 | 第15页 |
| 2.1.2 贝茨理论 | 第15-17页 |
| 2.1.3 风力机的特性参数 | 第17-19页 |
| 2.2 变距控制基本原理 | 第19-21页 |
| 2.2.1 风电机组变桨距控制过程 | 第19-20页 |
| 2.2.2 变桨距控制系统的设计 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 风力发电变桨距控制系统模型的搭建 | 第22-31页 |
| 3.1 风力发电机系统的基本结构组成 | 第22-23页 |
| 3.2 风力发电机系统模型的建立 | 第23-30页 |
| 3.2.1 风速模型 | 第23-24页 |
| 3.2.2 风轮模型 | 第24-25页 |
| 3.2.3 传动系统模型 | 第25-26页 |
| 3.2.4 变桨距执行机构模型 | 第26-27页 |
| 3.2.5 永磁同步发电机模型 | 第27-29页 |
| 3.2.6 传统PID控制器模型的搭建 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 风力发电变桨距伺服系统的设计 | 第31-43页 |
| 4.1 变桨距伺服系统的总体框架设计 | 第31-32页 |
| 4.1.1 伺服电机的选择 | 第31-32页 |
| 4.1.2 永磁同步伺服电机的控制策略 | 第32页 |
| 4.2 变桨距伺服系统中的硬件设计 | 第32-38页 |
| 4.2.1 TMS320F2812处理器简介 | 第32-33页 |
| 4.2.2 隔离驱动电路的设计 | 第33-34页 |
| 4.2.3 电源模块的设计 | 第34-36页 |
| 4.2.4 电流检测电路设计 | 第36-37页 |
| 4.2.5 JTAG仿真接口 | 第37-38页 |
| 4.2.6 串口电路的设计 | 第38页 |
| 4.3 变桨距伺服系统的软件设计 | 第38-41页 |
| 4.3.1 DSP软件开发环境 | 第38页 |
| 4.3.2 主程序流程 | 第38-39页 |
| 4.3.3 中断服务程序设计 | 第39页 |
| 4.3.4 电流采集程序 | 第39-40页 |
| 4.3.5 电流环的设计 | 第40页 |
| 4.3.6 速度环的设计 | 第40页 |
| 4.3.7 位置环的设计 | 第40-41页 |
| 4.4 变桨距伺服系统的仿真分析 | 第41-43页 |
| 第五章 基于RBF神经网络滑模控制的变桨距控制系统设计 | 第43-57页 |
| 5.1 滑模控制的理论介绍 | 第43-47页 |
| 5.1.1 滑模变结构控制基本定义 | 第43-44页 |
| 5.1.2 滑动模态的数学描述和表达 | 第44-45页 |
| 5.1.3 滑模的存在条件 | 第45页 |
| 5.1.4 滑动模态的鲁棒性 | 第45-46页 |
| 5.1.5 滑模控制应用的优势与问题 | 第46-47页 |
| 5.2 RBF神经网络的基本原理 | 第47-51页 |
| 5.2.1 RBF神经网络的基本结构 | 第47-48页 |
| 5.2.2 RBF神经网络的数学基础 | 第48-49页 |
| 5.2.3 RBF神经网络的学习算法 | 第49-51页 |
| 5.3 基于RBF神经网络的变桨距滑模控制器的设计 | 第51-53页 |
| 5.3.1 神经网络滑模变结构控制器的设计 | 第51-52页 |
| 5.3.2 变桨距控制器的离线学习 | 第52页 |
| 5.3.3 变桨距控制器的在线学习 | 第52-53页 |
| 5.4 变桨距控制系统的MATLAB仿真 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历、攻读硕士学位期间发表的学术论文及研究成果 | 第62页 |
