基于神经网络的传感器和执行器非线性补偿的研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题背景及其意义 | 第7-13页 |
| ·神经网络的发展及性能优点 | 第8页 |
| ·氧化锆氧传感器的零电位 | 第8-9页 |
| ·执行器的非线性特性 | 第9-11页 |
| ·非线性补偿的研究现状 | 第11-13页 |
| ·论文的主要工作 | 第13-15页 |
| 第二章 神经网络算法 | 第15-23页 |
| ·神经网络的基本理论 | 第15-18页 |
| ·神经网络简介 | 第15-16页 |
| ·神经元基本模型 | 第16-17页 |
| ·神经网络的学习方法 | 第17-18页 |
| ·基本的神经网络方法 | 第18-23页 |
| ·BP 网络 | 第19-20页 |
| ·RBF 网络 | 第20-23页 |
| 第三章 基于神经网络的氧化锆传感器的非线性补偿 | 第23-29页 |
| ·二氧化锆氧传感器的非线性特性 | 第23-27页 |
| ·二氧化锆氧传感器的研究发展状况 | 第23页 |
| ·二氧化锆固体电解质的导电机理 | 第23-24页 |
| ·氧化锆氧传感器的零电位 | 第24-27页 |
| ·补偿方案设计 | 第27-28页 |
| ·补偿原理 | 第27页 |
| ·实例分析 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 基于神经网络离线学习的执行器死区补偿方法 | 第29-35页 |
| ·输入非线性补偿 | 第29-30页 |
| ·执行器死区 | 第30-31页 |
| ·执行器死区补偿方案设计 | 第31-33页 |
| ·补偿原理 | 第31-32页 |
| ·应用实例及分析 | 第32-33页 |
| ·小结 | 第33-35页 |
| 第五章 基于神经网络在线学习的执行器死区补偿方法 | 第35-46页 |
| ·预备知识 | 第35-38页 |
| ·死区非线性逆补偿 | 第38-42页 |
| ·具有死区逆补偿的二阶神经网络控制器 | 第42-43页 |
| ·神经网络死区补偿的仿真 | 第43-44页 |
| ·小结 | 第44-46页 |
| 第六章 结论和展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表的学术论文和参加科研情况 | 第52-53页 |
| 详细摘要 | 第53-60页 |
