基于神经网络的电动负载模拟器控制策略研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题背景 | 第10-14页 |
| ·负载模拟器的应用 | 第10-11页 |
| ·负载模拟器的发展 | 第11-13页 |
| ·负载模拟器的基本原理 | 第13-14页 |
| ·电动负载模拟器研究现状 | 第14-15页 |
| ·电动负载模拟器的特点 | 第14-15页 |
| ·国内外的研究现状 | 第15页 |
| ·电动负载模拟器的发展趋势 | 第15-18页 |
| ·系统主要控制问题 | 第16页 |
| ·抑制多余力矩的控制方法研究 | 第16-18页 |
| ·本文研究的主要内容 | 第18-19页 |
| 第2章 系统总体方案设计 | 第19-31页 |
| ·系统的硬件结构 | 第19-22页 |
| ·电动加载系统组成 | 第19-20页 |
| ·加载电机 | 第20-21页 |
| ·PWM驱动装置 | 第21-22页 |
| ·电动加载系统数学模型 | 第22-25页 |
| ·转矩传感器模型 | 第22页 |
| ·舵机模型 | 第22-23页 |
| ·加载电机模型 | 第23-25页 |
| ·系统的软件结构 | 第25-30页 |
| ·多余力矩分析 | 第25-28页 |
| ·控制策略选择 | 第28-30页 |
| ·软件设计 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章 电动负载模拟器的神经网络控制 | 第31-49页 |
| ·神经网络简介 | 第31-33页 |
| ·单神经元PID自适应控制 | 第33-38页 |
| ·单神经元网络结构 | 第33-35页 |
| ·单神经元PID网络算法 | 第35-38页 |
| ·基于对角回归神经网络的复合控制 | 第38-42页 |
| ·对角回归神经网络的数学模型 | 第38-39页 |
| ·复合控制器的设计 | 第39-42页 |
| ·网络参数的确定 | 第42-48页 |
| ·网络结构的剪枝算法 | 第42-46页 |
| ·学习速率选择 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 系统仿真分析 | 第49-60页 |
| ·仿真模型的建立 | 第49-51页 |
| ·电动加载系统仿真分析 | 第51-59页 |
| ·舵机位置跟踪 | 第51-52页 |
| ·多余力矩对系统性能的影响 | 第52-53页 |
| ·控制系统仿真分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 电动负载模拟器系统的实现 | 第60-71页 |
| ·系统的硬件结构 | 第60-63页 |
| ·加载电机及其驱动器 | 第60-61页 |
| ·控制器结构 | 第61-62页 |
| ·测量元件 | 第62-63页 |
| ·系统软件设计 | 第63-67页 |
| ·系统软件结构及功能 | 第64-66页 |
| ·调理电路及数字滤波 | 第66-67页 |
| ·控制系统的调试 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79页 |
