| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景和研究意义 | 第9-10页 |
| 1.2 忆阻器研究现状 | 第10-12页 |
| 1.2.1 忆阻器理论 | 第10-11页 |
| 1.2.2 忆阻器特性及应用 | 第11-12页 |
| 1.3 人工神经网络研究现状 | 第12-13页 |
| 1.3.1 神经网络PID控制器 | 第12页 |
| 1.3.2 脉冲耦合神经网络(PCNN) | 第12-13页 |
| 1.4 开关功率变换器控制研究现状 | 第13-14页 |
| 1.5 主要工作及安排 | 第14-15页 |
| 第2章 氧化物忆阻器和自旋忆阻器 | 第15-22页 |
| 2.1 氧化物忆阻器 | 第15-19页 |
| 2.1.1 二氧化钛忆阻器 | 第15-17页 |
| 2.1.2 其他氧化物忆阻器 | 第17-19页 |
| 2.2 自旋忆阻器 | 第19-21页 |
| 2.3 氧化物忆阻器和自旋忆阻器的对比分析 | 第21页 |
| 2.4 小结 | 第21-22页 |
| 第3章 基于Gale忆阻器的脉冲耦合神经网络 | 第22-33页 |
| 3.1 基于忆阻器的脉冲耦合神经网络 | 第22-26页 |
| 3.1.1 Gale忆阻器离散模型 | 第22页 |
| 3.1.2 基于忆阻器的脉冲耦合神经网络(M-PCNN) | 第22-26页 |
| 3.2 M-PCNN在医学图像融合上应用 | 第26-29页 |
| 3.3 M-PCNN在图像去噪上的应用 | 第29-30页 |
| 3.4 M-PCNN在图像边缘提取上的应用 | 第30-32页 |
| 3.5 小结 | 第32-33页 |
| 第4章 基于自旋忆阻器的神经网络PID控制 | 第33-41页 |
| 4.1 传统PID控制器 | 第33页 |
| 4.2 BP神经网络PID控制器 | 第33-35页 |
| 4.3 自旋忆阻神经网络PID控制器 | 第35-36页 |
| 4.4 自旋忆阻神经网络PID控制Buck开关功率变换器 | 第36-40页 |
| 4.4.1 Buck变换器状态空间平均建模 | 第36-37页 |
| 4.4.2 MATLAB仿真 | 第37-40页 |
| 4.5 小结 | 第40-41页 |
| 第5章 基于自旋忆阻器的开关电源控制器 | 第41-47页 |
| 5.1 自旋忆阻器的可编程特性 | 第41-43页 |
| 5.2 基于自旋忆阻器的可变脉宽方波发生器 | 第43-44页 |
| 5.3 自旋忆阻方波发生器控制Boost开关功率变换器 | 第44-46页 |
| 5.3.1 Boost开关功率变换器 | 第44-45页 |
| 5.3.2 SPICE仿真结果与分析 | 第45-46页 |
| 5.4 小结 | 第46-47页 |
| 第6章 带二重积分滑模面的PWM电压滑模控制器 | 第47-57页 |
| 6.1 滑模控制理论 | 第47-48页 |
| 6.2 二阶交错并联Boost变换器结构 | 第48-49页 |
| 6.3 带二重积分滑模面的滑模控制器设计 | 第49-52页 |
| 6.3.1 滑模面选取 | 第49-50页 |
| 6.3.2 等效控制方程 | 第50-51页 |
| 6.3.3 控制器设计 | 第51页 |
| 6.3.4 存在条件 | 第51-52页 |
| 6.4 仿真结果及分析 | 第52-56页 |
| 6.5 小结 | 第56-57页 |
| 第7章 结论及展望 | 第57-59页 |
| 7.1 本文的主要工作 | 第57页 |
| 7.2 下一步研究计划 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间已完成的论文 | 第64页 |
| 攻读硕士学位期间参加的科研项目 | 第64页 |
