| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1. 课题的研究背景以及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2. 电液舵机负载模拟器的研究现状 | 第11-16页 |
| 1.2.1 多余力抑制研究现状 | 第11-15页 |
| 1.2.2 多余力抑制研究趋势 | 第15页 |
| 1.2.3 负载模拟器分类 | 第15-16页 |
| 1.2.4 负载模拟器的发展趋势 | 第16页 |
| 1.3. 论文的主要内容及结构 | 第16-18页 |
| 第二章 负载模拟器的理论推导和数学建模 | 第18-31页 |
| 2.1 负载模拟器数学模型 | 第18-25页 |
| 2.1.1 负载模拟器原理 | 第18-19页 |
| 2.1.2 加载系统数学模型 | 第19-22页 |
| 2.1.3 舵机系统数学模型 | 第22-23页 |
| 2.1.4 伺服阀传递函数 | 第23-24页 |
| 2.1.5 其他环节传递函数 | 第24-25页 |
| 2.2 负载模拟器系统框图 | 第25-27页 |
| 2.3 系统参数确定 | 第27页 |
| 2.4 加载系统频域分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 负载模拟器多余力抑制 | 第31-45页 |
| 3.1 多余力产生机理分析 | 第31-32页 |
| 3.2 多余力抑制分析 | 第32-34页 |
| 3.2.1 连接刚度K对于多余力的影响 | 第32-33页 |
| 3.2.2 惯性负载对于多余力的影响 | 第33页 |
| 3.2.3 压力流量系数对于多余力的影响 | 第33-34页 |
| 3.3 PID控制抑制多余力 | 第34-39页 |
| 3.3.1 PID控制原理 | 第34-35页 |
| 3.3.2 PID控制仿真分析 | 第35-39页 |
| 3.4 PID速度前馈补偿控制 | 第39-44页 |
| 3.4.1 速度前馈补偿原理 | 第39-42页 |
| 3.4.2 速度前馈补偿仿真分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 神经网络PID控制多余力抑制研究 | 第45-70页 |
| 4.1 神经网络PID控制概述 | 第45-46页 |
| 4.1.1 传统PID控制以及前馈PID控制的局限性 | 第45页 |
| 4.1.2 神经网络概述 | 第45-46页 |
| 4.1.3 神经网络控制的特点 | 第46页 |
| 4.2 神经网络PID多余力抑制控制器设计 | 第46-54页 |
| 4.2.1 单神经元控制的特点 | 第46-47页 |
| 4.2.2 单神经元的结构和数学描述 | 第47-48页 |
| 4.2.3 单神经元控制学习规则 | 第48-49页 |
| 4.2.4 单神经元PID自适应控制 | 第49-51页 |
| 4.2.5 单神经元PID控制迭代公式 | 第51-54页 |
| 4.3 基于RBF神经网络的系统辨识 | 第54-64页 |
| 4.3.1 神经网络辨识方法 | 第54-55页 |
| 4.3.2 RBF神经网络概述 | 第55-56页 |
| 4.3.3 RBF网络学习算法 | 第56-60页 |
| 4.3.4 RBF网络参数确定 | 第60页 |
| 4.3.5 RBF神经网络迭代流程 | 第60-62页 |
| 4.3.6.神经网络辨识器仿真分析 | 第62-64页 |
| 4.4 神经网络PID多余力抑制控制器实现与仿真 | 第64-69页 |
| 4.4.1 神经网络控制Matlab实现 | 第64-66页 |
| 4.4.2 神经网络控制仿真分析 | 第66-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 本文的不足及展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76页 |