基于BP神经网络PID算法的多电机同步控制研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题的目的与意义 | 第9-11页 |
| 1.1.1 研究背景与国内外现状 | 第9-10页 |
| 1.1.2 多电机同步控制的概念 | 第10页 |
| 1.1.3 多电机同步控制优缺点 | 第10-11页 |
| 1.2 多电机同步控制算法和结构研究 | 第11-16页 |
| 1.2.1 多电机同步控制结构研究 | 第11-14页 |
| 1.2.2 多电机同步控制算法的研究 | 第14-16页 |
| 1.3 多电机同步控制的衡量指标 | 第16页 |
| 1.4 论文的主要内容 | 第16-18页 |
| 第2章 永磁同步电机数学模型 | 第18-24页 |
| 2.1 永磁同步电机转子结构与物理模型 | 第18-20页 |
| 2.2 两相旋转坐标系下电机模型 | 第20-22页 |
| 2.3 永磁同步电机矢量控制方法 | 第22-23页 |
| 2.3.1 di(28)0控制 | 第22-23页 |
| 2.3.2 弱磁控制 | 第23页 |
| 2.3.3 最大转矩/电流比控制 | 第23页 |
| 2.3.4 最大功率输出控制 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 BP神经网络PID控制器设计与改进 | 第24-41页 |
| 3.1 数字PID控制 | 第24-27页 |
| 3.1.1 PID控制原理 | 第24-25页 |
| 3.1.2 数字PID控制算法 | 第25-27页 |
| 3.2 BP神经网络简介 | 第27-33页 |
| 3.2.1 单神经元模型 | 第27页 |
| 3.2.2 神经网络的拓扑结构 | 第27-28页 |
| 3.2.3 神经网络的学习规则 | 第28-30页 |
| 3.2.4 神经网络学习算法 | 第30页 |
| 3.2.5 BP神经网络模型 | 第30-33页 |
| 3.3 BP神经网络不足与改进 | 第33-38页 |
| 3.3.1 BP神经网络的缺陷 | 第33-34页 |
| 3.3.2 BP神经网络的改进 | 第34-38页 |
| 3.4 BP神经网络PID控制器的设计 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 偏差耦合控制速度补偿器改进设计 | 第41-45页 |
| 4.1 偏差耦合控制简介 | 第41-42页 |
| 4.2 速度补偿器改进设计 | 第42-44页 |
| 4.2.1 速度信号补偿增益 | 第42页 |
| 4.2.2 误差因子 | 第42-43页 |
| 4.2.3 添加BP神经网络PID控制器 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 仿真实验 | 第45-52页 |
| 5.1 仿真模型的搭建 | 第45-46页 |
| 5.1.1 永磁同步电机模型 | 第45页 |
| 5.1.2 BP神经网络PID控制器 | 第45-46页 |
| 5.1.3 改进型速度补偿器 | 第46页 |
| 5.2 仿真结果 | 第46-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
