基于神经网络的悬臂梁振动主动控制研究
| 第一章 绪论 | 第1-17页 |
| ·研究背景 | 第12-13页 |
| ·概述 | 第12页 |
| ·主动振动控制 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·系统的建模和辨识问题 | 第15页 |
| ·神经网络的辨识与控制 | 第15-16页 |
| ·本文研究的内容 | 第16-17页 |
| 第二章 神经网络基础知识 | 第17-27页 |
| ·神经网络技术的发展与现状 | 第17-18页 |
| ·人工神经网络的结构及训练方法 | 第18-21页 |
| ·基本结构 | 第18-19页 |
| ·典型模型 | 第19-20页 |
| ·学习方法的分类 | 第20-21页 |
| ·多层前向神经网络及其BP算法 | 第21-26页 |
| ·BP算法和BP网络 | 第22-24页 |
| ·BP算法的改进 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 压电振动系统的神经网络建模与辨识 | 第27-43页 |
| ·概述 | 第27-31页 |
| ·系统辨识的定义 | 第28-30页 |
| ·系统辨识的常用方法 | 第30-31页 |
| ·神经网络用于辨识的方法 | 第31-36页 |
| ·多层前向网络辨识的一般结构 | 第31-32页 |
| ·神经网络表示非线性系统的可能性 | 第32-34页 |
| ·基于BP网络的系统辨识 | 第34-36页 |
| ·压电振动系统BP神经网络辨识的应用 | 第36-42页 |
| ·圆柱壳的压电振动模型的神经网络辨识 | 第36-38页 |
| ·悬臂梁的压电振动模型的神经网络辨识 | 第38-42页 |
| ·悬臂梁的单输入单输出网络模型辨识 | 第38-40页 |
| ·悬臂梁的多输入单输出网络模型辨识 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于神经网络的振动主动控制器设计 | 第43-51页 |
| ·概论 | 第43页 |
| ·神经网络自适应控制的原理 | 第43-48页 |
| ·间接神经网络MRAC | 第44-47页 |
| ·直接参考模型控制 | 第47-48页 |
| ·神经网络振动控制器的训练方法和步骤 | 第48-50页 |
| ·神经网络逆控制器的训练结果 | 第48-50页 |
| ·神经网络控制器的结构和训练步骤 | 第50页 |
| ·小结 | 第50-51页 |
| 第五章 基于matlab /xpc的数据采集系统 | 第51-59页 |
| ·x pc 简介 | 第51-53页 |
| ·基于matlab /xpc的振动模态测量系统 | 第53-54页 |
| ·建模数据的采集 | 第54-58页 |
| ·桶的伪白噪声激励及其响应 | 第54-55页 |
| ·带限白噪声激励复合材料悬臂梁及其响应 | 第55-58页 |
| ·单输入单输出系统（SISO） | 第56-57页 |
| ·多输入单输出系统（MISO） | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 悬臂梁振动主动控制系统 | 第59-72页 |
| ·试件及试验系统的组成 | 第59-61页 |
| ·悬臂梁的Ansys分析 | 第59-60页 |
| ·基于LMS的悬臂梁模态测量 | 第60-61页 |
| ·基于神经网络的实时振动控制系统 | 第61-66页 |
| ·系统的设计目标 | 第61页 |
| ·系统组成及仪器设备的主要参数 | 第61-62页 |
| ·网络辨识模块和控制模块的构成 | 第62-64页 |
| ·数据输入输出模块 | 第64-66页 |
| ·系统的界面和使用方法 | 第66-68页 |
| ·试验结果及分析 | 第68-71页 |
| ·单频控制 | 第68-70页 |
| ·一阶二阶混频控制 | 第70-71页 |
| ·小结 | 第71-72页 |
| 第七章 总结和展望 | 第72-74页 |
| ·全文总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间发表的文章 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 附录 | 第78页 |
