| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图目录 | 第10-12页 |
| 第1章 绪论 | 第12-18页 |
| 1．1 直流无刷电动机的发展 | 第12页 |
| 1．2 直流无刷电动机的现状 | 第12-14页 |
| 1．3 直流无刷电动机研究中的主要问题 | 第14-15页 |
| 1．4 本课题研究的主要内容及意义 | 第15-18页 |
| 第2章 直流无刷电动机的原理及其特性 | 第18-25页 |
| 2．1 直流无刷电动机的基本组成环节及工作原理 | 第18-22页 |
| 2．1．1 直流无刷电动机的基本组成 | 第18-20页 |
| 2．1．2 直流无刷电动机的基本工作原理 | 第20-21页 |
| 2．1．3 三相 Y接直流无刷电动机的换相 | 第21-22页 |
| 2．2 直流无刷电动机的数学模型 | 第22-24页 |
| 2．2．1 电压方程 | 第22-23页 |
| 2．2．2 转矩方程 | 第23页 |
| 2．2．3 运动方程 | 第23-24页 |
| 2．2．4 状态方程 | 第24页 |
| 2．3 本章小结 | 第24-25页 |
| 第3章 基于卡尔曼滤波器的最优估计概述 | 第25-35页 |
| 3．1 最优估计概述 | 第25页 |
| 3．2 估计问题的提法和估计准则 | 第25-27页 |
| 3．2．1 估计问题的分类 | 第25-26页 |
| 3．2．2 估计准则 | 第26-27页 |
| 3．3 一些定理的证明 | 第27-29页 |
| 3．3．1 线性最小方差估计 | 第27-28页 |
| 3．3．2 正交定理 | 第28-29页 |
| 3．4 卡尔曼滤波器 | 第29-34页 |
| 3．4．1 线性离散系统的最优滤波 | 第29-30页 |
| 3．4．2 卡尔曼滤波器在直流无刷电动机控制中的应用及仿真说明 | 第30-32页 |
| 3．4．3 非线性离散系统的最优估计 | 第32-34页 |
| 3．5 本章小结 | 第34-35页 |
| 第4章 模糊控制及神经网络概述 | 第35-45页 |
| 4．1 模糊控制 | 第35-37页 |
| 4．1．1 模糊控制的特点 | 第35页 |
| 4．1．2 模糊控制器的基本结构和组成 | 第35-37页 |
| 4．2 神经网络概述 | 第37-39页 |
| 4．2．1 神经元的结构模型 | 第37-38页 |
| 4．2．2 激活转移函数 | 第38页 |
| 4．2．3 神经网络的分类 | 第38页 |
| 4．2．4 人工神经网络结构 | 第38-39页 |
| 4．3 BP神经网络 | 第39-44页 |
| 4．3．1 BP神经网络的结构 | 第39-40页 |
| 4．3．2 BP神经网络的学习规则 | 第40-42页 |
| 4．3．3 BP神经网络的缺点和改进 | 第42-44页 |
| 4．4 本章小结 | 第44-45页 |
| 第5章 基于卡尔曼滤波学习算法的模糊神经网络研究及控制器的设计 | 第45-61页 |
| 5．1 综述 | 第45-46页 |
| 5．2 模糊神经网络结构研究情况 | 第46-47页 |
| 5．3 模糊神经网络的分类 | 第47-48页 |
| 5．4 模糊神经网络学习算法概况 | 第48-49页 |
| 5．5 模糊神经网络控制系统的研究 | 第49页 |
| 5．5．1 模糊神经网络的概念 | 第49页 |
| 5．6 基于卡尔曼滤波学习算法的模糊神经网络控制器的设计 | 第49-57页 |
| 5．6．1 模糊神经网络的结构原理 | 第49-50页 |
| 5．6．2 模糊神经网络的控制系统结构 | 第50-51页 |
| 5．6．3 模糊神经网络的BP学习算法 | 第51-54页 |
| 5．6．4 模糊神经网络的卡尔曼滤波学习算法 | 第54-57页 |
| 5．7 模糊神经网络的仿真说明 | 第57-60页 |
| 5．8 本章小结 | 第60-61页 |
| 第6章 系统实验仿真及结果说明 | 第61-66页 |
| 6．1 直流无刷电动机控制系统结构图 | 第61页 |
| 6．2 模糊神经网络控制器的设计 | 第61-62页 |
| 6．3 仿真研究 | 第62-64页 |
| 6．4 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第73页 |
