| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10-12页 |
| ·MSMA 材料及其执行器的发展概况 | 第12-15页 |
| ·MSMA 的研究历史 | 第12-13页 |
| ·MSMA 执行器的研究现状 | 第13-15页 |
| ·MSMA 执行器控制方法 | 第15-16页 |
| ·MSMA 执行器控制难点 | 第15页 |
| ·迟滞非线性控制方法 | 第15-16页 |
| ·本文的研究意义与内容 | 第16-18页 |
| ·选题来源与意义 | 第16页 |
| ·论文研究的主要内容 | 第16-18页 |
| 第2章 MSMA 执行器特性及迟滞模型 | 第18-30页 |
| ·MSMA 材料的晶体结构与形变机理 | 第18-19页 |
| ·MSMA 材料的晶体结构 | 第18页 |
| ·MSMA 材料形变机理 | 第18-19页 |
| ·MSMA 执行器的工作原理与特性 | 第19-22页 |
| ·MSMA 执行器的结构及其工作原理 | 第19-20页 |
| ·MSMA 执行器的迟滞非线性 | 第20-22页 |
| ·迟滞非线性模型简介 | 第22-29页 |
| ·基于物理机制原理的迟滞模型简介 | 第22-24页 |
| ·唯象类迟滞模型简介 | 第24-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 MSMA 执行器迟滞模型建立 | 第30-52页 |
| ·MSMA 执行器神经网络模型 | 第30-36页 |
| ·神经网络模型迟滞特性的实现 | 第30-31页 |
| ·神经网络模型结构设计 | 第31-33页 |
| ·神经网络模型学习算法 | 第33-34页 |
| ·神经网络模型仿真实验 | 第34-36页 |
| ·基于 KP 模型的 MSMA 执行器迟滞非线性模型 | 第36-42页 |
| ·KP 算子的建立 | 第36-37页 |
| ·KP 模型的离散化实现 | 第37-39页 |
| ·改进的梯度校正法 | 第39-40页 |
| ·变步长递推最小二乘法 | 第40-42页 |
| ·MSMA 执行器 KP 迟滞模型仿真实验 | 第42-49页 |
| ·改进的梯度校正法辨识仿真实验及分析 | 第42-46页 |
| ·变步长递推最小二乘法辨识仿真实验及分析 | 第46-49页 |
| ·本章小结 | 第49-52页 |
| 第4章 MSMA 执行器前馈控制器的设计 | 第52-64页 |
| ·前馈控制策略 | 第52-53页 |
| ·前馈控制的定义及其特点 | 第52-53页 |
| ·MSMA 执行器前馈控制的原理 | 第53页 |
| ·MSMA 执行器逆模型的建立 | 第53-57页 |
| ·KP 逆模型研究现状 | 第54-57页 |
| ·改进的 KP 逆模型 | 第57页 |
| ·MSMA 执行器逆模型仿真实验 | 第57-61页 |
| ·MSMA 执行器前馈控制实验 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 MSMA 执行器复合控制方案 | 第64-74页 |
| ·复合控制方案的设计 | 第64页 |
| ·基于经典 PID 反馈的复合控制 | 第64-67页 |
| ·PID 控制方法简介 | 第65页 |
| ·基于 PID 反馈的复合控制实验 | 第65-67页 |
| ·基于 RBF 网络自整定 PID 的复合控制 | 第67-72页 |
| ·基于 RBF 网络自整定 PID 的复合控制方案设计 | 第67-68页 |
| ·RBF 神经网络 | 第68-69页 |
| ·RBF 神经网络 PID 控制器的参数整定算法 | 第69-70页 |
| ·基于 RBF 网络自整定 PID 的复合控制实验 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 全文总结与展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·未来工作方向 | 第75页 |
| ·未来展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者简介及在学期间的科研成果 | 第80-82页 |
| 致谢 | 第82页 |
