伺服器系统参数辨识中信号降噪方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与目的 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 2 伺服控制系统模型与基本辨识方法 | 第15-32页 |
| 2.1 伺服控制系统简介 | 第15-16页 |
| 2.2 速度环闭环模型 | 第16-18页 |
| 2.3 系统辨识基本算法 | 第18-25页 |
| 2.4 辨识激励信号的选择 | 第25-27页 |
| 2.5 以M序列为输入的最小二乘辨识及其缺陷 | 第27-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 卡尔曼滤波及其去噪应用 | 第32-45页 |
| 3.1 卡尔曼滤波理论与特点 | 第32-36页 |
| 3.2 基于非零输入量的卡尔曼滤波的辨识实现 | 第36-39页 |
| 3.3 含有色噪声卡尔曼滤波的系统辨识及其缺陷 | 第39-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于小波分析的降噪法 | 第45-57页 |
| 4.1 小波分析理论 | 第45-47页 |
| 4.2 小波去噪方法 | 第47-49页 |
| 4.3 小波去噪的输入信号选择 | 第49-53页 |
| 4.4 基于小波去噪的系统辨识的实现 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 伺服控制系统去噪辨识的实现 | 第57-67页 |
| 5.1 速度环闭环在三种方法下的辨识的实现 | 第57-60页 |
| 5.2 小波分析多尺度卡尔曼滤波 | 第60-63页 |
| 5.3 小波分析多尺度卡尔曼滤波模型 | 第63-64页 |
| 5.4 基于小波分析多尺度卡尔曼滤波的系统辨识 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第74页 |
