| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 相关神经网络控制技术 | 第10-12页 |
| 1.2.1 神经网络简述 | 第10-11页 |
| 1.2.2 基于神经网络的系统辨识 | 第11-12页 |
| 1.3 永磁同步电机参数辨识国内外研究进展 | 第12-14页 |
| 1.3.1 最小二乘法 | 第13页 |
| 1.3.2 模型参考自适应法 | 第13页 |
| 1.3.3 扩展卡尔曼滤波法 | 第13-14页 |
| 1.3.4 智能控制算法 | 第14页 |
| 1.4 本文主要的研究内容 | 第14-16页 |
| 第二章 永磁同步电机控制系统的研究 | 第16-24页 |
| 2.1 永磁同步电机的数学模型 | 第16-19页 |
| 2.1.1 A-B-C坐标系下的数学模型 | 第16-17页 |
| 2.1.2 α-β坐标系下的数学模型 | 第17-18页 |
| 2.1.3 d-q轴坐标系下的数学模型 | 第18-19页 |
| 2.1.4 d-q轴坐标系下的等效电路 | 第19页 |
| 2.2 永磁同步电机的控制技术 | 第19-23页 |
| 2.2.1 矢量控制 | 第19-21页 |
| 2.2.2 直接转矩控制 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于递推最小二乘法的永磁同步电机参数辨识 | 第24-36页 |
| 3.1 矢量控制下的空间矢量脉宽调制(SVPWM) | 第24-28页 |
| 3.1.1 SVPWM原理 | 第24-26页 |
| 3.1.2 SVPWM控制算法 | 第26-27页 |
| 3.1.3 基本矢量作用时间计算与三相PWM波形的合成 | 第27-28页 |
| 3.2 遗忘因子递推最小二乘算法的参数辨识方案 | 第28-32页 |
| 3.2.1 最小二乘算法的原理 | 第28-29页 |
| 3.2.2 递推最小二乘算法的原理 | 第29-30页 |
| 3.2.3 遗忘因子递推最小二乘算法的原理 | 第30-31页 |
| 3.2.4 基于遗忘因子递推最小二乘算法的参数辨识 | 第31-32页 |
| 3.3 永磁同步电机参数辨识系统的仿真与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于神经网络的永磁同步电机参数辨识 | 第36-52页 |
| 4.1 神经网络控制 | 第36-40页 |
| 4.1.1 神经网络控制系统设计的基本理论 | 第36-38页 |
| 4.1.2 人工神经网络的模型 | 第38-40页 |
| 4.2 神经网络参数辨识方案 | 第40-45页 |
| 4.2.1 神经网络辨识方案的提出 | 第40-42页 |
| 4.2.2 神经网络辨识方案的具体实现 | 第42-45页 |
| 4.3 神经网络参数辨识的MATLAB仿真与分析 | 第45-50页 |
| 4.4 两种参数辨识算法的比较 | 第50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 非线性因素对电机参数辨识结果的影响 | 第52-62页 |
| 5.1 逆变器的非线性因素分析 | 第52-59页 |
| 5.1.1 开关延时以及开关管的死区时间 | 第52-54页 |
| 5.1.2 开关管压降 | 第54-57页 |
| 5.1.3 电流电压检测等的误差 | 第57-59页 |
| 5.2 加入非线性因素的辨识算法仿真 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的研究成果 | 第68-69页 |
| 攻读硕士学位期间参加或支持的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
