摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 选题的背景及意义 | 第11-12页 |
1.2 国内外电子调速系统发展以及研究现状概述 | 第12-13页 |
1.2.1 国内外电子调速系统发展简介 | 第12-13页 |
1.2.2 国内外电子调速系统研究概述 | 第13页 |
1.3 柴油机电子调速控制策略 | 第13-17页 |
1.4 半物理仿真概述 | 第17-18页 |
1.5 本文主要工作综述 | 第18-19页 |
第二章 神经网络控制技术 | 第19-32页 |
2.1 普通PID控制理论 | 第19-22页 |
2.1.1 PID控制理论发展背景 | 第19-20页 |
2.1.2 PID控制原理 | 第20-21页 |
2.1.3 整定参数方法 | 第21-22页 |
2.2 BP神经网络 | 第22-23页 |
2.2.1 BP神经网络学习算法 | 第22页 |
2.2.2 BP神经网络的局限性 | 第22-23页 |
2.3 BP神经网络PID控制算法 | 第23-27页 |
2.3.1 复合控制算法 | 第23-27页 |
2.4 RBF(径向基)神经网络 | 第27-29页 |
2.4.1 RBF学习法则 | 第27-29页 |
2.4.2 RBF神经网络的训练方式 | 第29页 |
2.5 RBF神经网络与BP神经网络的对比 | 第29-30页 |
2.6 本章小结 | 第30-32页 |
第三章 柴油机调速控制建模仿真 | 第32-59页 |
3.1 建模简介 | 第32-34页 |
3.1.1 建模软件介绍 | 第32-33页 |
3.1.2 柴油机建模简介 | 第33-34页 |
3.2 柴油机数学模型的建立 | 第34-42页 |
3.2.1 柴油机总体模型的建立 | 第39页 |
3.2.2 电磁执行器建模 | 第39-41页 |
3.2.3 喷油泵模型 | 第41-42页 |
3.3 柴油机电子调速器原理概述 | 第42-43页 |
3.4 调速系统整体模型 | 第43-44页 |
3.4.1 S函数介绍 | 第43-44页 |
3.5 调速算法设计 | 第44-50页 |
3.5.1 柴油机自适应调速算法原理 | 第44-45页 |
3.5.2 柴油机自适应调速算法流程 | 第45-46页 |
3.5.3 两种自适应网络设计方法 | 第46-49页 |
3.5.4 BP学习算法的改进 | 第49-50页 |
3.6 调速系统性能指标 | 第50-51页 |
3.7 离线仿真分析 | 第51-57页 |
3.7.1 验证仿真模型 | 第51-52页 |
3.7.2 普通PID控制仿真数据 | 第52-53页 |
3.7.3 BP神经网络算法仿真数据 | 第53-55页 |
3.7.4 径向基智能算法仿真数据 | 第55-57页 |
3.7.5 三种控制算法性能指标对比 | 第57页 |
3.8 两种智能控制算法的鲁棒性对比 | 第57-58页 |
3.9 本章小结 | 第58-59页 |
第四章 半物理仿真研究 | 第59-72页 |
4.1 快速原型简介 | 第59页 |
4.2 dSPACE仿真平台 | 第59-63页 |
4.2.1 dSPACE仿真软件开发工具 | 第60页 |
4.2.2 RTI(Real-Time Interface)接口 | 第60-61页 |
4.2.3 ControlDesk实时仿真监控 | 第61页 |
4.2.4 dSPACE仿真硬件工具 | 第61-63页 |
4.3 快速原型控制 | 第63-65页 |
4.4 硬件在环仿真 | 第65-66页 |
4.5 半物理仿真结果分析 | 第66-71页 |
4.5.1 普通PID半物理仿真研究 | 第66-68页 |
4.5.2 BP神经网络半物理仿真分析 | 第68-69页 |
4.5.3 径向基智能算法半物理仿真分析 | 第69-71页 |
4.6 本章小结 | 第71-72页 |
第五章 配机实验 | 第72-83页 |
5.1 启动及工况判断 | 第72-73页 |
5.2 试验设备介绍 | 第73-75页 |
5.3 试验结果 | 第75-82页 |
5.4 本章小结 | 第82-83页 |
结论 | 第83-85页 |
参考文献 | 第85-91页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第91-92页 |
致谢 | 第92页 |