基于神经网络控制的快速充电方法探究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究的背景及意义 | 第10-11页 |
| ·课题研究的背景 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本人研究内容及安排 | 第12-14页 |
| 第二章 铅酸蓄电池工作的理论基础 | 第14-24页 |
| ·蓄电池的基本概念 | 第14-17页 |
| ·VRLA 的基本结构 | 第14-15页 |
| ·VRLA 的工作原理 | 第15-17页 |
| ·VRLA 快速充电的主要影响因素 | 第17-20页 |
| ·蓄电池参数的影响 | 第17-18页 |
| ·极化现象的影响 | 第18-20页 |
| ·非线性影响 | 第20页 |
| ·VRLA 快速充电的原理 | 第20-22页 |
| ·最佳充电曲线 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 VRLA 快速充电方法研究 | 第24-30页 |
| ·传统 VRLA 充电方法 | 第24-26页 |
| ·恒流充电法 | 第24页 |
| ·恒压充电法 | 第24-25页 |
| ·阶段充电法 | 第25-26页 |
| ·改进的 VRLA 充电方法 | 第26-28页 |
| ·脉冲充电法 | 第26-27页 |
| ·变电流间歇充电法 | 第27-28页 |
| ·变电压间歇充电法 | 第28页 |
| ·智能快速充电法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 神经网络控制器 | 第30-44页 |
| ·神经网络基础理论 | 第30-34页 |
| ·神经元模型 | 第30-33页 |
| ·神经网络的特点 | 第33页 |
| ·神经网络的学习方式 | 第33-34页 |
| ·传统控制器 | 第34-36页 |
| ·比例积分微分控制器 | 第35页 |
| ·相位领先落后控制器 | 第35页 |
| ·状态控制器 | 第35-36页 |
| ·神经网络控制器 | 第36-37页 |
| ·神经网络系统的学习算法 | 第37-42页 |
| ·有监督 Hebb 算法 | 第38页 |
| ·单层感知器 | 第38-39页 |
| ·LMS 算法 | 第39页 |
| ·反向传播算法 | 第39-41页 |
| ·径向基（RBF）算法 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 改进的神经网络充电法及其仿真 | 第44-52页 |
| ·充电电路设计 | 第44-45页 |
| ·算法改进 | 第45-46页 |
| ·实验条件 | 第46-47页 |
| ·计算机仿真 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士学位期间的研究成果 | 第60-61页 |
