首页--工业技术论文--武器工业论文--火炮论文--一般性问题论文--结构论文

炮控系统电动负载模拟器辨识与智能控制研究

摘要第5-7页
Abstract第7-8页
1 绪论第16-30页
    1.1 课题研究的背景和意义第16-17页
    1.2 负载模拟器的研究概况第17-21页
        1.2.1 常见的分类第17-19页
        1.2.2 发展趋势第19-20页
        1.2.3 关键问题第20-21页
    1.3 负载模拟器的建模方法第21-23页
    1.4 负载模拟器的控制方法第23-27页
        1.4.1 传统控制方法第23-26页
        1.4.2 智能控制方法第26-27页
    1.5 主要工作和章节安排第27-30页
2 电动负载模拟器数学模型第30-48页
    2.1 引言第30页
    2.2 系统组成和工作原理第30-31页
    2.3 系统数学模型第31-41页
        2.3.1 交流永磁同步电机模型第32-37页
        2.3.2 力矩电机模型第37-39页
        2.3.3 位置电机模型第39-41页
        2.3.4 电动负载模拟器数学模型第41页
    2.4 系统存在的不确定性第41-47页
        2.4.1 电机及驱动器模型第41-42页
        2.4.2 系统连接刚度第42-43页
        2.4.3 摩擦和间隙因素第43-47页
        2.4.4 位置电机耦合运动第47页
    2.5 本章小结第47-48页
3 基于优化小波神经网络的系统辨识方法第48-78页
    3.1 引言第48页
    3.2 系统辨识的简介第48-52页
        3.2.1 辨识的内容与步骤第49页
        3.2.2 辨识数据的获取第49-51页
        3.2.3 系统辨识的评价指标第51-52页
    3.3 优化的神经网络算法第52-54页
        3.3.1 神经网络基本结构第52-53页
        3.3.2 自适应参数学习第53-54页
    3.4 改进的小波神经网络算法第54-59页
        3.4.1 以小波函数为神经元的小波神经网络第55页
        3.4.2 以尺度函数为神经元的小波神经网络第55-56页
        3.4.3 多分辨率小波神经网络第56-57页
        3.4.4 自适应小波神经网络第57-58页
        3.4.5 变结构小波神经网络算法第58-59页
    3.5 自适应差分进化算法第59-66页
        3.5.1 基本原理第59-61页
        3.5.2 改进的差分进化算法第61-66页
    3.6 基于自适应差分进化的变结构小波神经网络辨识第66-76页
        3.6.1 算法补充介绍第66-67页
        3.6.2 仿真试验第67-76页
    3.7 本章小结第76-78页
4 基于融合智能算法的小波神经网络控制器第78-108页
    4.1 引言第78页
    4.2 模糊控制理论第78-80页
    4.3 滑模变结构控制理论第80-84页
        4.3.1 滑模控制的简介第80-81页
        4.3.2 滑模控制的稳定性第81-82页
        4.3.3 滑模控制的不变性第82-83页
        4.3.4 滑模控制的抖振问题第83-84页
    4.4 优化的粒子群算法第84-85页
        4.4.1 基本原理第84页
        4.4.2 自适应参数学习第84-85页
    4.5 基于动态补偿模糊多分辨率的小波神经网络控制器第85-96页
        4.5.1 控制器设计第85-89页
        4.5.2 稳定性证明第89-92页
        4.5.3 仿真试验第92-96页
    4.6 基于双滑模面粒子群的变结构小波神经网络控制器第96-107页
        4.6.1 控制器设计第96-99页
        4.6.2 稳定性证明第99-102页
        4.6.3 仿真试验第102-107页
    4.7 本章小结第107-108页
5 半实物仿真试验第108-128页
    5.1 引言第108页
    5.2 炮控系统电动负载模拟器设计第108-120页
        5.2.1 炮控系统简介第108-115页
        5.2.2 电动负载模拟器简介第115-120页
    5.3 半实物仿真试验第120-126页
        5.3.1 多余力矩抑制能力第120-121页
        5.3.2 变梯度加载试验第121-122页
        5.3.3 鲁棒性能试验第122-123页
        5.3.4 联合仿真试验第123-126页
    5.4 本章小结第126-128页
6 总结与展望第128-131页
    6.1 论文总结第128-129页
    6.2 创新点第129页
    6.3 工作展望第129-131页
致谢第131-132页
参考文献第132-143页
附录第143-145页

论文共145页,点击 下载论文
上一篇:串并联式稳定平台姿态测量和控制技术研究
下一篇:基于图的半监督学习算法及其应用