| 第一章 绪论 | 第1-11页 |
| 1．1 研究背景 | 第6页 |
| 1．2 高性能直流无刷电机控制系统需要解决的问题 | 第6-7页 |
| 1．3 神经网络在传动控制中的应用 | 第7页 |
| 1．4 神经网络的发展及应用现状 | 第7-10页 |
| 1．4．1 神经网络的发展 | 第7-9页 |
| 1．4．2 神经网络的应用 | 第9-10页 |
| 1．5 本课题研究的可行性 | 第10-11页 |
| 第二章 直流无刷电机的基本原理及建模 | 第11-19页 |
| 2．1 直流无刷电机的发展 | 第11页 |
| 2．2 直流无刷电动机的结构 | 第11-13页 |
| 2．2．1 直流无刷电机的基本结构 | 第12页 |
| 2．2．2 电动机本体 | 第12页 |
| 2．2．3 转子位置检测 | 第12-13页 |
| 2．3 直流无刷电机的工作原理 | 第13-16页 |
| 2．4 直流无刷电机d-q坐标系下的数学模型 | 第16-19页 |
| 第三章 基于神经网络的智能控制理论 | 第19-37页 |
| 3．1 神经网络的基本结构 | 第19-20页 |
| 3．1．1 神经生物学基础 | 第19页 |
| 3．1．2 建模方法 | 第19-20页 |
| 3．1．3 理论局限性 | 第20页 |
| 3．2 前馈型神经网络与BP算法 | 第20-25页 |
| 3．2．1 误差反传算法 | 第21-23页 |
| 3．2．2 常用型激活函数 | 第23-25页 |
| 3．3 BP算法的改进 | 第25-27页 |
| 3．3．1 提高训练速度的方法 | 第25-26页 |
| 3．3．2 自适应学习率法 | 第26页 |
| 3．3．3 基于数值优化方法的网络训练算法 | 第26-27页 |
| 3．4 隐含层数和层内节点数的确定 | 第27-28页 |
| 3．4．1 输入和输出层的设计 | 第27-28页 |
| 3．4．2 隐含层数和层内节点数的选择 | 第28页 |
| 3．5 基于神经网络的系统辨识 | 第28-32页 |
| 3．5．1 基本定义和定理 | 第29-30页 |
| 3．5．2 正向模型辨识 | 第30页 |
| 3．5．3 逆模型辨识 | 第30-32页 |
| 3．6 基于神经网络的动态系统控制 | 第32-34页 |
| 3．6．1 神经网络直接逆控制 | 第33页 |
| 3．6．2 神经网络自适应控制 | 第33页 |
| 3．6．3 神经网络内模控制 | 第33-34页 |
| 3．6．4 神经网络预测控制 | 第34页 |
| 3．7 神经网络的自适应控制 | 第34-37页 |
| 3．7．1 自适应控制系统的工作特点 | 第35页 |
| 3．7．2 自适应控制系统的类型 | 第35-37页 |
| 第四章 基于直流无刷电机的神经网络控制器的设计 | 第37-45页 |
| 4．1 综述 | 第37页 |
| 4．2 DBP学习以及神经网络结构 | 第37-38页 |
| 4．3 直流无刷电机的NARMA模型 | 第38-39页 |
| 4．4 基于神经网络直流无刷电机的控制策略 | 第39-45页 |
| 4．4．1 转速控制策略 | 第39-41页 |
| 4．4．2 Levenburg-Marquardt优化法简介 | 第41-42页 |
| 4．4．3 定子电流控制策略 | 第42-45页 |
| 第五章 仿真结果及分析 | 第45-49页 |
| 5．1 仿真结果 | 第45-48页 |
| 5．2 结论分析 | 第48-49页 |
| 结论与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士期间发表论文 | 第53页 |