| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·船舶电站励磁系统简介 | 第9-11页 |
| ·船舶电站励磁系统的功能和作用 | 第11-12页 |
| ·同步发电机励磁系统的研究现状与发展 | 第12-16页 |
| ·线性传递函数数学模型上的单变量设计 | 第12-13页 |
| ·线性传递函数数学模型上的多变量设计 | 第13页 |
| ·线性状态空间模型上的多变量优化设计 | 第13页 |
| ·基于反馈线性化的非线性设计 | 第13-15页 |
| ·鲁棒控制设计 | 第15页 |
| ·自适应控制设计 | 第15页 |
| ·智能控制设计 | 第15-16页 |
| ·本文主要工作及课题研究意义 | 第16-19页 |
| 第二章 船舶电站系统数学模型 | 第19-28页 |
| ·船舶电站系统模型总体结构 | 第19-20页 |
| ·同步发电机模型 | 第20-25页 |
| ·同步发电机的数学描述方法 | 第21-22页 |
| ·同步发电机的标准化处理 | 第22-24页 |
| ·数学模型的简化 | 第24-25页 |
| ·励磁系统数学模型 | 第25-28页 |
| ·反馈测量环节 | 第26页 |
| ·比较环节 | 第26页 |
| ·移相触发和可控整流环节 | 第26-27页 |
| ·校正环节 | 第27-28页 |
| 第三章 BP人工神经网络及线性最优控制理论 | 第28-49页 |
| ·人工神经网络控制理论 | 第28-33页 |
| ·人工神经网络控制的基本思想 | 第28-29页 |
| ·人工神经网络控制的分类 | 第29-32页 |
| ·人工神经元模型 | 第32-33页 |
| ·人工神经网络模型和算法 | 第33-37页 |
| ·人工神经网络模型 | 第33-34页 |
| ·人工神经网络的学习算法 | 第34页 |
| ·BP人工神经网络及其算法 | 第34-35页 |
| ·BP人工神经网络算法要点 | 第35-37页 |
| ·应用 Matlab人工神经网络工具箱对常用 BP算法的分析 | 第37-45页 |
| ·常规训练算法 | 第37-43页 |
| ·快速训练算法 | 第43-45页 |
| ·训练结果的分析比较 | 第45页 |
| ·线性最优控制理论 | 第45-49页 |
| 第四章 BP人工神经网络自适应励磁控制器设计 | 第49-77页 |
| ·BP人工神经网络励磁控制器的结构 | 第49-50页 |
| ·BP人工神经网络励磁控制器的设计过程 | 第50-58页 |
| ·BP人工神经网络自适应控制器的理论模型 | 第50-55页 |
| ·BP人工神经网络样本数据和教师值的获得 | 第55-57页 |
| ·BP训练算法的选择 | 第57-58页 |
| ·BP人工神经网络励磁系统仿真模型的实现 | 第58-61页 |
| ·“汉堡”轮同步发电机励磁控制系统仿真 | 第61-74页 |
| ·发电机起动及突加负载仿真 | 第63-66页 |
| ·电网故障仿真 | 第66-67页 |
| ·电网单相接地故障仿真 | 第67-70页 |
| ·电网三相接地故障仿真 | 第70-72页 |
| ·电网两相短路故障仿真 | 第72-74页 |
| ·基于仿真结果的励磁控制方式性能比较分析 | 第74-77页 |
| 第五章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 攻读学位期间公开发表论文 | 第81-82页 |
| 致谢 | 第82-83页 |
| 研究生履历 | 第83页 |