基于神经网络的感应电机定子电阻参数辨识
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·直接转矩控制的发展现状 | 第9-11页 |
| ·该课题的目的及意义 | 第11-13页 |
| ·基于神经网络的定子电阻辨识 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| 第二章 神经网络结构及算法 | 第15-26页 |
| ·引言 | 第15页 |
| ·神经网络的基本理论 | 第15-22页 |
| ·神经元模型 | 第16-18页 |
| ·神经元互连模式 | 第18-21页 |
| ·学习规则 | 第21-22页 |
| ·神经网络在函数逼近方面的应用 | 第22-25页 |
| 本章小结 | 第25-26页 |
| 第三章 实验数据的采集及处理 | 第26-39页 |
| ·实验数据的采集原理 | 第26-27页 |
| ·对实验数据的分析 | 第27-30页 |
| ·样本数据的获得 | 第30-38页 |
| ·插值的问题描述与基本概念 | 第30页 |
| ·分段多项式插值 | 第30-38页 |
| 本章小结 | 第38-39页 |
| 第四章 神经网络对定子电阻的辨识 | 第39-64页 |
| ·引言 | 第39-40页 |
| ·神经网络算法的选择 | 第40页 |
| ·BP 网络的结构及学习算法 | 第40-44页 |
| ·BP 网络算法的思路及结构 | 第40-41页 |
| ·BP 算法的数学描述 | 第41-44页 |
| ·基本BP 网络对定子电阻的辨识 | 第44-50页 |
| ·输入层与输出层的设计 | 第44页 |
| ·隐含层节点数目的确定 | 第44-45页 |
| ·基于BP 网络的定子电阻辨识 | 第45-49页 |
| ·BP 算法的缺点 | 第49-50页 |
| ·基于GRNN 神经网络的定子电阻辨识 | 第50-60页 |
| ·GRNN 网络的基本算法 | 第50-52页 |
| ·GRNN 网络的结构 | 第52-53页 |
| ·平滑参数的确定 | 第53-54页 |
| ·基于GRNN 神经网络的定子电阻辨识 | 第54-60页 |
| ·GRNN 网络与BP 网络泛化能力的比较 | 第60-62页 |
| ·BP 网络的泛化能力测试 | 第61-62页 |
| ·GRNN 网络的泛化能力测试 | 第62页 |
| 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69-70页 |
