| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| §1.1 研究背景及意义 | 第8页 |
| §1.2 国内外研究发展状况 | 第8-10页 |
| §1.3 课题来源及研究内容 | 第10页 |
| §1.4 论文结构安排 | 第10-12页 |
| 第二章 PMLSM 概述及主要非线性干扰 | 第12-19页 |
| §2.1 PMLSM 概述 | 第12-14页 |
| §2.1.1 PMLSM 的工作原理 | 第12-13页 |
| §2.1.2 PMLSM 的基本结构 | 第13页 |
| §2.1.3 PMLSM 的主要优缺点 | 第13-14页 |
| §2.2 PMLSM 的数学模型及主要非线性干扰 | 第14-18页 |
| §2.2.1 PMLSM 的数学模型 | 第14-15页 |
| §2.2.2 特有的推力波动干扰 | 第15-16页 |
| §2.2.3 摩擦力干扰 | 第16-18页 |
| §2.3 该章小结 | 第18-19页 |
| 第三章 基于小波神经网络的 PMLSM 推力波动在线估计与控制 | 第19-31页 |
| §3.1 复合前馈控制 | 第19-20页 |
| §3.2 神经网络自适应逆模型控制 | 第20-21页 |
| §3.3 基于小波神经网络的 PMLSM 推力波动在线估计与控制 | 第21-30页 |
| §3.3.1 基于小波神经网络的 PMLSM 推力波动在线估计与控制结构 | 第21-23页 |
| §3.3.2 小波神经网络对推力波动等干扰的逼近性分析 | 第23-24页 |
| §3.3.3 小波神经网络的结构及学习算法 | 第24-25页 |
| §3.3.4 隐层节点数的确定及参数初始化 | 第25页 |
| §3.3.5 仿真结果及分析 | 第25-30页 |
| §3.4 该章小结 | 第30-31页 |
| 第四章 非光滑摩擦特性的建模初步探索 | 第31-45页 |
| §4.1 静态 Stribeck 摩擦模型的一种近似模型 | 第31-33页 |
| §4.1.1 柔性 sigmoid 函数 | 第31-32页 |
| §4.1.2 近似摩擦模型 | 第32-33页 |
| §4.2 非光滑摩擦特性的神经网络模型 | 第33-43页 |
| §4.2.1 非光滑摩擦特性的常用智能建模方法 | 第34页 |
| §4.2.2 RBF 神经网络混合模型 | 第34-36页 |
| §4.2.3 类 RBF 神经网络模型 | 第36-38页 |
| §4.2.4 混合神经网络模型 | 第38-39页 |
| §4.2.5 仿真结果及分析 | 第39-43页 |
| §4.3 该章小结 | 第43-45页 |
| 第五章 基于 PMLSM 实验平台的控制策略研究 | 第45-65页 |
| §5.1 PMLSM 实验平台简介 | 第45-51页 |
| §5.1.1 硬件实验平台 | 第45-47页 |
| §5.1.2 软件开发平台 | 第47-48页 |
| §5.1.3 PMLSM 的 PID 控制算法实现 | 第48-51页 |
| §5.2 复合前馈 PID 控制在 PMLSM 实验平台的实现 | 第51-54页 |
| §5.2.1 cSPACE 控制算法设计 | 第51-53页 |
| §5.2.2 实验结果分析 | 第53-54页 |
| §5.3 神经网络自适应逆模型控制在 PMLSM 实验平台的实现 | 第54-58页 |
| §5.3.1 C MEX S-Function 特点 | 第54-55页 |
| §5.3.2 cSPACE 控制算法设计 | 第55-57页 |
| §5.3.3 实验结果分析 | 第57-58页 |
| §5.4 基于小波神经网络的推力波动在线估计与控制方法验证 | 第58-62页 |
| §5.4.1 cSPACE 控制算法设计 | 第59-61页 |
| §5.4.2 实验结果分析 | 第61-62页 |
| §5.5 不同控制方法的跟踪特性综合对比分析 | 第62-64页 |
| §5.6 该章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| §6.1 论文总结 | 第65-66页 |
| §6.2 论文展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 作者在攻读硕士期间主要研究成果 | 第73页 |
