| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究背景 | 第12-14页 |
| 1.2 永磁同步电机的研究现状和发展方向 | 第14-15页 |
| 1.3 永磁同步电机的控制策略介绍 | 第15-16页 |
| 1.4 神经网络控制基础 | 第16-17页 |
| 1.5 本文研究的主要内容 | 第17-19页 |
| 第二章 永磁同步电机的结构以及数学模型 | 第19-26页 |
| 2.1 永磁同步电机的结构和分类 | 第19-20页 |
| 2.1.1 永磁同步电机的结构 | 第19页 |
| 2.1.2 永磁同步电机的分类 | 第19-20页 |
| 2.2 永磁同步电机的数学模型 | 第20-25页 |
| 2.2.1 a-b-c坐标下数学模型 | 第20-21页 |
| 2.2.2 坐标变换 | 第21-24页 |
| 2.2.3 永磁同步电机在两相定子坐标系下的数学模型 | 第24-25页 |
| 2.2.4 永磁同步电机在两相旋转坐标系下的数学模型 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于MATLAB的永磁同步电机矢量控制系统及其仿真模型 | 第26-37页 |
| 3.1 空间矢量（SVPWM）的实现 | 第26-29页 |
| 3.2 矢量控制技术介绍 | 第29-31页 |
| 3.3 永磁同步电机的调速系统的仿真模型 | 第31-34页 |
| 3.3.1 SVPWM模块 | 第31-34页 |
| 3.3.2 永磁同步电机本体模块 | 第34页 |
| 3.4 永磁同步电机调速系统仿真结果 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 HCMAC神经网络与PID并行控制在永磁同步电机中的应用 | 第37-55页 |
| 4.1 神经网络基本原理 | 第37-40页 |
| 4.1.1 人工神经元模型 | 第37-38页 |
| 4.1.2 神经网络模型分类 | 第38-39页 |
| 4.1.3 神经网络的学习 | 第39-40页 |
| 4.2 神经网络控制 | 第40-41页 |
| 4.2.1 神经网络控制介绍 | 第40-41页 |
| 4.2.2 神经网络控制的原理和结构 | 第41页 |
| 4.3 小脑模型神经网络介绍 | 第41-44页 |
| 4.3.1 CMAC神经网络结构 | 第42-43页 |
| 4.3.2 小脑模型神经网络的研究现状 | 第43-44页 |
| 4.4 超闭球小脑模型神经网络的结构及原理 | 第44-47页 |
| 4.4.1 超闭球小脑模型神经网络的结构 | 第44-45页 |
| 4.4.2 超闭球小脑神经网络的算法原理 | 第45-47页 |
| 4.4.3 HCMAC神经网络的学习算法 | 第47页 |
| 4.5 HCMAC与PID结合控制在PMSM控制系统中的应用 | 第47-54页 |
| 4.5.1 HCMAC神经网络与PID结合控制 | 第47-48页 |
| 4.5.2 仿真结果及分析 | 第48-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 遗传算法优化HCMAC-PID控制器在永磁同步电机中的应用 | 第55-68页 |
| 5.1 遗传算法的基本原理 | 第55-57页 |
| 5.2 遗传算法的优化设计 | 第57-58页 |
| 5.2.1 遗传算法的构成要素 | 第57页 |
| 5.2.2 遗传算法的应用步骤 | 第57-58页 |
| 5.3 遗传算法的收敛性分析 | 第58-60页 |
| 5.4 遗传算法的实际应用 | 第60-61页 |
| 5.5 基于遗传算法的PID整定原理及仿真参数选取 | 第61-63页 |
| 5.5.1 遗传算法整定PID原理 | 第61-62页 |
| 5.5.2 利用遗传算法优化 , ,p i dk k k的具体步骤 | 第62-63页 |
| 5.5.3 系统仿真参数对整定结果的影响 | 第63页 |
| 5.6 遗传算法优化CMAC-PID控制器在永磁同步电机中的应用 | 第63-66页 |
| 5.6.1 遗传算法优化CMAC-PID控制器在永磁同步电机中的应用 | 第63-64页 |
| 5.6.2 仿真结果与分析 | 第64-66页 |
| 5.7 本章小结 | 第66-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考 文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76页 |
