| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源与意义 | 第9页 |
| 1.2 永磁同步电机简介 | 第9-10页 |
| 1.3 永磁同步电机控制策略发展及现状 | 第10-12页 |
| 1.3.1 传统控制策略 | 第11页 |
| 1.3.2 现代控制策略 | 第11页 |
| 1.3.3 智能控制策略 | 第11-12页 |
| 1.4 论文研究的内容 | 第12页 |
| 1.5 各章节主要安排 | 第12-14页 |
| 第2章 永磁同步电机结构与数学模型 | 第14-21页 |
| 2.1 永磁同步电机的结构与工作原理 | 第14-15页 |
| 2.1.1 永磁同步电机的结构 | 第14-15页 |
| 2.1.2 永磁同步电机的工作原理 | 第15页 |
| 2.2 永磁同步电机的数学模型 | 第15-20页 |
| 2.2.1 静止三相坐标系(A、B、C)下的数学模型 | 第16-17页 |
| 2.2.2 静止两相坐标系(α、β)下的数学模型 | 第17-18页 |
| 2.2.3 旋转两相坐标系(d、q)下的数学模型 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 永磁同步电机控制技术 | 第21-34页 |
| 3.1 永磁同步电机直接转矩控制技术 | 第21页 |
| 3.2 永磁同步电机矢量控制技术 | 第21-23页 |
| 3.3 空间矢量脉宽调制(SVPWM)技术与建模 | 第23-30页 |
| 3.4 永磁同步电机矢量控制系统仿真研究 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于优化RBF神经网络的永磁同步电机控制系统研究 | 第34-47页 |
| 4.1 RBF神经网络概述 | 第34-37页 |
| 4.1.1 RBF神经网络的结构 | 第35页 |
| 4.1.2 RBF神经网络常用的学习算法 | 第35-37页 |
| 4.2 基于优化的RBF神经网络控制系统设计 | 第37-42页 |
| 4.2.1 传统PID控制器 | 第37-39页 |
| 4.2.2 RBF整定PID控制原理 | 第39-40页 |
| 4.2.3 模糊控制原理 | 第40-41页 |
| 4.2.4 模糊控制优化RBF神经网络学习步长 | 第41-42页 |
| 4.3 系统仿真与结果分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于改进的粒子群算法的永磁同步电机参数估计研究 | 第47-57页 |
| 5.1 粒子群算法概述 | 第47-50页 |
| 5.1.1 带有惯性因子的改进型粒子群算法 | 第48-50页 |
| 5.2 基于改进的粒子群算法的控制系统设计 | 第50-54页 |
| 5.3 仿真及结果分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间科研成果 | 第62-63页 |
| 致谢 | 第63-64页 |
