基于RBF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5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外电动加载技术的发展现状 | 第9-14页 |
| ·加载系统的一般形式 | 第9页 |
| ·加载系统分类 | 第9-11页 |
| ·控制方法研究现状 | 第11-14页 |
| ·神经网络控制理论的提出与应用 | 第14-16页 |
| ·神经网络控制理论的提出 | 第14-15页 |
| ·神经网络控制理论的应用 | 第15-16页 |
| ·课题的主要研究内容 | 第16-17页 |
| 第2章 电动加载系统的结构和控制 | 第17-26页 |
| ·电动加载系统结构 | 第17-18页 |
| ·加载系统的简化数学模型 | 第18-20页 |
| ·电动加载系统关键技术问题 | 第20-25页 |
| ·多余力矩问题 | 第20-23页 |
| ·非线性及模型变化问题 | 第23-24页 |
| ·传统控制策略的局限性 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 RBF神经网络及其构建算法 | 第26-42页 |
| ·人工神经网络概述 | 第26-27页 |
| ·RBF（径向基函数）神经网络 | 第27-35页 |
| ·RBF网结构和工作原理 | 第28-29页 |
| ·RBF神经网络的常用学习方法 | 第29-35页 |
| ·改进的RBF网络构建算法设计 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 控制系统设计及仿真分析 | 第42-61页 |
| ·RBF网络逆控制器设计 | 第42-46页 |
| ·系统逆模型辨识结构 | 第42-44页 |
| ·基于RBF网络的逆控制系统结构 | 第44-46页 |
| ·系统仿真与分析 | 第46-60页 |
| ·仿真模型的建立及验证 | 第47-49页 |
| ·系统辨识过程仿真 | 第49-52页 |
| ·控制系统仿真和分析 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 系统软硬件实现 | 第61-78页 |
| ·电动加载系统组成 | 第61-64页 |
| ·加载系统硬件结构 | 第61-62页 |
| ·加载电机及驱动器 | 第62-63页 |
| ·转矩及转速检测元件 | 第63-64页 |
| ·DSP控制器硬件电路设计 | 第64-73页 |
| ·DSP核心板设计 | 第64-70页 |
| ·控制器接口板设计 | 第70-72页 |
| ·控制器的电磁兼容设计 | 第72-73页 |
| ·系统软件设计 | 第73-77页 |
| ·上位机软件设计 | 第73-76页 |
| ·控制算法程序实现 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读学位期间发表的学术论文 | 第83-84页 |
| 致谢 | 第84页 |
