| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景与选题来源 | 第11-12页 |
| 1.1.1 研究背景与意义 | 第11-12页 |
| 1.1.2 选题来源 | 第12页 |
| 1.2 压电陶瓷微定位平台研究现状 | 第12-15页 |
| 1.2.1 压电陶瓷微定位平台结构简介 | 第12-13页 |
| 1.2.2 微定位平台国内外研究现状 | 第13-15页 |
| 1.2.3 实验系统介绍 | 第15页 |
| 1.3 压电微定位平台建模与控制方法研究 | 第15-21页 |
| 1.3.1 迟滞非线性建模方法 | 第16-20页 |
| 1.3.2 迟滞非线性控制方法 | 第20-21页 |
| 1.4 本文的研究内容安排 | 第21-23页 |
| 第2章 压电微定位平台率相关Hammerstein模型的建立 | 第23-38页 |
| 2.1 Hammerstein模型介绍 | 第23-28页 |
| 2.1.1 静态迟滞非线性环节 | 第24-26页 |
| 2.1.2 动态线性环节 | 第26-27页 |
| 2.1.3 参数辨识方法设计 | 第27-28页 |
| 2.2 率相关Hammerstein迟滞模型辨识 | 第28-34页 |
| 2.2.1 粒子群算法辨识Duhem模型参数 | 第28-29页 |
| 2.2.2 粒子群算法辨识结果及分析 | 第29-30页 |
| 2.2.3 改进的自适应粒子群优化算法 | 第30-31页 |
| 2.2.4 基于自适应粒子群优化算法的辨识结果及分析 | 第31-32页 |
| 2.2.5 Hammerstein模型动态线性部分辨识 | 第32-34页 |
| 2.3 Hammerstein率相关迟滞模型验证 | 第34-37页 |
| 2.3.1 带有输出主环的模型验证 | 第34-36页 |
| 2.3.2 带有输出主环和次环的模型验证 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于Hammerstein逆模型的前馈控制和复合控制 | 第38-52页 |
| 3.1 基于逆模型的前馈控制器设计 | 第38-43页 |
| 3.1.1 前馈控制原理简介 | 第38-39页 |
| 3.1.2 Hammerstein逆模型的建立 | 第39-40页 |
| 3.1.3 基于Hammerstein逆模型的前馈控制实验及分析 | 第40-43页 |
| 3.2 基于前馈补偿的RBF神经网络复合控制 | 第43-47页 |
| 3.2.1 RBF神经网络的基本结构 | 第44页 |
| 3.2.2 RBF神经网络在线整定PID参数 | 第44-47页 |
| 3.3 RBF神经网络复合控制的实验结果及分析 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 RBF神经网络滑模控制方案设计 | 第52-67页 |
| 4.1 滑模控制策略介绍 | 第52-54页 |
| 4.1.1 滑模变结构控制的基本原理 | 第52-53页 |
| 4.1.2 滑模控制震荡问题的分析 | 第53-54页 |
| 4.2 压电微定位平台神经网络滑模控制器设计 | 第54-61页 |
| 4.2.1 被控对象描述 | 第54页 |
| 4.2.2 迟滞非线性分解 | 第54-56页 |
| 4.2.3 神经网络滑模控制器设计 | 第56-61页 |
| 4.3 实验验证及结果分析 | 第61-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者简介及在学期间科研成果 | 第75-76页 |
| 致谢 | 第76页 |
