致谢 | 第7-8页 |
摘要 | 第8-9页 |
abstract | 第9页 |
第一章 绪论 | 第16-23页 |
1.1 直线电机倒立摆系统的研究意义 | 第16-19页 |
1.1.1 直线电机简介 | 第16-17页 |
1.1.2 倒立摆的研究意义 | 第17页 |
1.1.3 倒立摆系统的分类 | 第17-18页 |
1.1.4 倒立摆系统控制方法介绍 | 第18-19页 |
1.2 国内外研究现状 | 第19-21页 |
1.3 本论文的研究意义 | 第21-22页 |
1.4 本论文的主要工作 | 第22-23页 |
第二章 直线电机倒立摆系统的工作原理及数学模型 | 第23-31页 |
2.1 直线电机倒立摆系统的特性及工作原理 | 第23-24页 |
2.1.1 直线电机倒立摆系统特性 | 第23页 |
2.1.2 直线电机倒立摆系统的工作原理 | 第23-24页 |
2.2 直线电机倒立摆系统数学模型 | 第24-29页 |
2.3 直线电机倒立摆系统的定性分析 | 第29-30页 |
2.3.1 稳定性分析 | 第29-30页 |
2.3.2 能观性和能控性分析 | 第30页 |
2.4 本章总结 | 第30-31页 |
第三章 遗传算法优化LQR控制算法设计 | 第31-46页 |
3.1 线性二次最优控制原理 | 第31-32页 |
3.2 直线电机倒立摆系统LQR控制器仿真 | 第32-39页 |
3.2.1 LQR控制器的仿真模型搭建 | 第32-33页 |
3.2.2 LQR控制器的仿真结果分析 | 第33-38页 |
3.2.3 试凑结果分析 | 第38-39页 |
3.3 遗传算法优化LQR | 第39-45页 |
3.3.1 遗传算法的原理 | 第39-41页 |
3.3.2 遗传算法的不足及改进 | 第41-43页 |
3.3.3 改进遗传算法优化LQR控制器 | 第43-45页 |
3.4 本章总结 | 第45-46页 |
第四章 自适应神经网络模糊控制算法设计 | 第46-60页 |
4.1 自适应神经网络模糊推理系统(ANFIS)简介 | 第46-48页 |
4.1.1 ANFIS的结构 | 第46-47页 |
4.1.2 ANFIS的学习算法 | 第47页 |
4.1.3 ANFIS的应用和发展 | 第47-48页 |
4.2 基于ANFIS的控制器设计 | 第48-58页 |
4.2.1 数学模型设计 | 第48-50页 |
4.2.2 Takagi-Sugeno型自适应神经网络模糊控制器设计 | 第50-55页 |
4.2.3 仿真模型搭建 | 第55-56页 |
4.2.4 仿真结果分析 | 第56-58页 |
4.3 本章总结 | 第58-60页 |
第五章 基于DSP的实验系统搭建 | 第60-76页 |
5.1 系统硬件资源 | 第60-63页 |
5.1.1 原理图设计 | 第61-62页 |
5.1.2 PCB设计 | 第62-63页 |
5.2 软件模块介绍 | 第63-68页 |
5.2.1 常用模块工具箱 | 第63-65页 |
5.2.2 硬件接口工具箱 | 第65-66页 |
5.2.3 参数调节工具箱 | 第66-67页 |
5.2.4 显示工具箱 | 第67页 |
5.2.5 系统工具箱 | 第67-68页 |
5.3 实验界面介绍 | 第68-69页 |
5.4 实验平台的设计与搭建 | 第69-75页 |
5.4.1 直线电机的结构分析 | 第69-70页 |
5.4.2 直线电机的驱动配置 | 第70-73页 |
5.4.3 实物平台的搭建 | 第73-75页 |
5.5 本章总结 | 第75-76页 |
第六章 实时控制效果分析 | 第76-87页 |
6.1 实时控制模型的设计与搭建 | 第76-78页 |
6.2 实时控制及其结果分析 | 第78-83页 |
6.2.1 LQR控制及其控制效果 | 第78-81页 |
6.2.2 ANFIS控制器实时控制及其控制效果 | 第81-83页 |
6.3 实际应用案例 | 第83-85页 |
6.3.1 清华大学实验室 | 第83-84页 |
6.3.2 展厅项目 | 第84页 |
6.3.3 中国流动科技馆项目 | 第84-85页 |
6.4 本章小结 | 第85-87页 |
第七章 总结与展望 | 第87-89页 |
7.1 总结 | 第87-88页 |
7.2 展望 | 第88-89页 |
参考文献 | 第89-93页 |
攻读硕士期间的学术活动及成果情况 | 第93-94页 |