摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-19页 |
1.1 研究背景 | 第9-10页 |
1.2 MSMA 形变机理及本构模型 | 第10-14页 |
1.2.1 MSMA 晶体结构 | 第10-11页 |
1.2.2 MSMA 形变机理 | 第11-12页 |
1.2.3 MSMA 本构模型 | 第12-14页 |
1.3 MSMA 驱动器研究进展 | 第14-17页 |
1.3.1 MSMA 驱动器研究现状 | 第14-16页 |
1.3.2 MSMA 驱动器应用前景 | 第16-17页 |
1.3.3 MSMA 驱动器存在的问题 | 第17页 |
1.4 本文研究意义与主要内容 | 第17-19页 |
1.4.1 本文研究的意义 | 第17-18页 |
1.4.2 本文研究的主要内容 | 第18-19页 |
第2章 MSMA 力磁热多场耦合驱动性能测试 | 第19-29页 |
2.1 MSMA 驱动性能测试 | 第19-22页 |
2.1.1 实验样品 | 第19-20页 |
2.1.2 实验设备及流程 | 第20-22页 |
2.2 测试结果及分析 | 第22-27页 |
2.2.1 MSMA 形变率与预加应力的关系 | 第22-24页 |
2.2.2 MSMA 形变率与控制磁场的关系 | 第24-26页 |
2.2.3 MSMA 形变率与工作温度的关系 | 第26-27页 |
2.2.4 MSMA 磁滞特性 | 第27页 |
2.3 本章小结 | 第27-29页 |
第3章 基于神经网络的 MSMA 驱动预测模型 | 第29-42页 |
3.1 神经网络简介 | 第29-34页 |
3.1.1 神经网络定义及特性 | 第29-30页 |
3.1.2 人工神经元模型 | 第30-31页 |
3.1.3 BP 神经网络及其标准算法 | 第31-33页 |
3.1.4 BP 神经网络学习算法的改进 | 第33-34页 |
3.2 BP 神经网络预测模型建立 | 第34-38页 |
3.2.1 BP 神经网络设计 | 第34页 |
3.2.2 BP 神经网络训练与测试 | 第34-38页 |
3.3 基于遗传算法的 BP 神经网络优化 | 第38-40页 |
3.3.1 遗传算法的简介 | 第38-39页 |
3.3.2 GA 算法修正 BP 神经网络的工作原理 | 第39页 |
3.3.3 GA 算法修正 BP 神经网络的结果 | 第39-40页 |
3.4 本章小结 | 第40-42页 |
第4章 MSMA 驱动器磁控回路设计与仿真 | 第42-52页 |
4.1 MSMA 驱动器工作原理 | 第42-43页 |
4.2 MSMA 驱动器磁控回路设计 | 第43-45页 |
4.2.1 MSMA 驱动器偏置磁场选定 | 第43页 |
4.2.2 MSMA 驱动线圈参数设定 | 第43-44页 |
4.2.3 MSMA 驱动器磁控回路中铁芯的选择 | 第44页 |
4.2.4 MSMA 驱动器冷却装置设计 | 第44-45页 |
4.3 磁控回路电磁场分析 | 第45-47页 |
4.3.1 ANSYS 电磁场分析对象简介 | 第45页 |
4.3.2 ANSYS 静态磁场分析步骤 | 第45-46页 |
4.3.3 ANSYS 静态磁场分析结果 | 第46-47页 |
4.4 磁控回路热力学分析 | 第47-51页 |
4.4.1 MSMA 驱动器内部温度分析 | 第47-48页 |
4.4.2 ANSYS 热力学分析结果 | 第48-51页 |
4.5 本章小结 | 第51-52页 |
第5章 MSMA 驱动器建模及控制策略 | 第52-62页 |
5.1 MSMA 驱动器建模 | 第52-56页 |
5.1.1 MSMA 驱动器模型建立 | 第52-55页 |
5.1.2 MSMA 驱动器模型仿真分析 | 第55-56页 |
5.2 MSMA 驱动器磁滞特性的控制策略 | 第56-61页 |
5.2.1 MSMA 驱动器磁滞模型建立 | 第57-58页 |
5.2.2 MSMA 驱动器磁滞补偿控制策略 | 第58-59页 |
5.2.3 仿真结果分析及比较 | 第59-61页 |
5.3 本章小结 | 第61-62页 |
第6章 全文总结 | 第62-64页 |
6.1 全文总结 | 第62-63页 |
6.2 研究展望 | 第63-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-71页 |
攻读硕士期间发表的论文与成果 | 第71-72页 |
1、发表的文章 | 第71页 |
2、参与撰写的专利 | 第71-72页 |
附件 | 第72-76页 |