| 中文摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景与意义 | 第8-9页 |
| ·伺服加载技术概述 | 第9-12页 |
| ·伺服加载系统的结构 | 第9-10页 |
| ·伺服加载系统的类型 | 第10-11页 |
| ·常用控制方法简述 | 第11-12页 |
| ·电动伺服加载技术的研究现状 | 第12-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 第2章 电动伺服加载系统的数学建模 | 第15-24页 |
| ·电动伺服加载系统的结构和工作机理 | 第15-16页 |
| ·系统的数学模型 | 第16-23页 |
| ·位置伺服系统的数学模型 | 第16-18页 |
| ·力矩加载系统的数学模型 | 第18-23页 |
| ·系统参数的确定 | 第23-24页 |
| 第3章 线性定常系统中基于补偿策略的多余力矩抑制方法 | 第24-41页 |
| ·无干扰时系统的分析与校正 | 第24-34页 |
| ·无干扰时未校正系统的根轨迹分析 | 第24-25页 |
| ·无干扰时未校正系统的频率响应分析 | 第25-26页 |
| ·系统的校正 | 第26-32页 |
| ·多余力矩的分析 | 第32-34页 |
| ·基于结构不变性原理的补偿策略 | 第34-41页 |
| ·结构不变性原理 | 第34-35页 |
| ·位置系统角位移θ_1前馈补偿法 | 第35-36页 |
| ·加载电机角速度Ω_2内反馈补偿法 | 第36-37页 |
| ·加载电机电流I_2内反馈补偿法 | 第37-38页 |
| ·θ_1、Ω_2和I_2补偿法的局限性 | 第38页 |
| ·位置系统电流前馈扰动补偿法 | 第38-41页 |
| 第4章 基于神经网络的广义预测控制在多余力矩抑制中的应用 | 第41-65页 |
| ·传统 PID控制方法的局限性 | 第41-42页 |
| ·广义预测控制概述 | 第42-45页 |
| ·广义预测控制的发展与特点 | 第42页 |
| ·广义预测控制方法的基本描述 | 第42-45页 |
| ·基于神经网络广义预测控制的复合控制结构 | 第45-46页 |
| ·复合神经网络辨识器的设计 | 第46-52页 |
| ·复合神经网络的结构 | 第46-47页 |
| ·线性网络(LNN)和递推最小二乘法(RLS) | 第47-50页 |
| ·GPFN网络和梯度下降法 | 第50-52页 |
| ·非线性广义预测控制律的实现 | 第52-56页 |
| ·线性子系统输出预测y_l(k+j)的实现 | 第52-53页 |
| ·非线性子系统输出预测y_n(k+j)的实现 | 第53-54页 |
| ·控制律u(k)的实现 | 第54-55页 |
| ·控制律中参数的选择原则和实现控制律的计算步骤 | 第55-56页 |
| ·系统性能的仿真分析 | 第56-65页 |
| ·系统摩擦非线性的仿真 | 第57-59页 |
| ·系统参数变化的仿真 | 第59-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 攻读学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70-71页 |