| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 MSMA 及其驱动器的研究现状 | 第9-19页 |
| 1.2.1 MSMA 驱动器的研究现状 | 第9-13页 |
| 1.2.2 MSMA 研究现状 | 第13-14页 |
| 1.2.3 MSMA 的磁控记忆特性和驱动器工作原理 | 第14-16页 |
| 1.2.4 MSMA 的本构模型 | 第16-19页 |
| 1.3 MSMA 的磁滞非线性及其控制方法 | 第19-20页 |
| 1.4 本文的研究内容 | 第20-22页 |
| 第2章 磁控形状记忆合金特性实验研究 | 第22-32页 |
| 2.1 MSMA 材料测试实验原理 | 第22页 |
| 2.2 实验材料和测试设备介绍 | 第22-24页 |
| 2.2.1 实验样品 | 第22-23页 |
| 2.2.2 实验设备 | 第23-24页 |
| 2.3 MSMA 实验数据分析 | 第24-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 磁控形状记忆合金驱动器结构设计 | 第32-41页 |
| 3.1 MSMA 驱动器磁路设计 | 第32-35页 |
| 3.1.1 磁路中软磁材料的选择 | 第32-33页 |
| 3.1.2 磁路的结构 | 第33-34页 |
| 3.1.3 线圈匝数的计算 | 第34-35页 |
| 3.2 磁路系统仿真 | 第35-37页 |
| 3.3 MSMA 驱动器恢复形变的方式 | 第37-39页 |
| 3.4 磁控形状记忆合金驱动器结构模型 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 磁滞非线性建模方法的研究 | 第41-54页 |
| 4.1 经典磁滞非线性模型 | 第41-46页 |
| 4.1.1 基于唯象现象的磁滞非线性模型 | 第42-45页 |
| 4.1.2 基于物理机制的磁滞非线性模型 | 第45-46页 |
| 4.2 基于神经网络的磁滞非线性模型 | 第46-50页 |
| 4.2.1 神经网络的结构设计 | 第47-49页 |
| 4.2.2 神经网络的学习算法 | 第49-50页 |
| 4.3 磁滞非线性模型的建立 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 MSMA 驱动器控制方法和仿真 | 第54-70页 |
| 5.1 磁控形状记忆合金驱动器逆模型的建立 | 第54-57页 |
| 5.2 磁控形状记忆合金驱动器的控制方法 | 第57-68页 |
| 5.2.1 PID 控制方法 | 第57-59页 |
| 5.2.2 前馈逆补偿控制方法 | 第59-61页 |
| 5.2.3 基于逆模型的 PID 复合控制方法 | 第61-62页 |
| 5.2.4 模糊 PID 控制和基于逆模型的模糊 PID 复合控制方法 | 第62-68页 |
| 5.3 五种控制方法比较 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 论文工作总结 | 第70-71页 |
| 6.2 未来工作方向 | 第71页 |
| 6.3 MSMA 驱动器展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 附录1 攻读硕士学位期间发表的论文与成果 | 第79-80页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第80-81页 |
| 详细摘要 | 第81-84页 |