| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-13页 |
| ·永磁式同步电机的特点及其分类 | 第11-12页 |
| ·永磁同步电机国内外研究现状及发展趋势 | 第12-13页 |
| ·神经网络理论概述 | 第13-15页 |
| ·人工神经网络发展的历史与现状 | 第13-14页 |
| ·人工神经网络在控制理论中的应用 | 第14-15页 |
| ·人工神经网络在电机速度控制中的应用研究 | 第15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 神经网络理论基础 | 第17-35页 |
| ·神经元模型 | 第17-19页 |
| ·神经网络的拓扑结构 | 第19-20页 |
| ·神经网络的学习方法 | 第20-24页 |
| ·神经网络学习方式 | 第20-21页 |
| ·神经网络学习规则 | 第21-24页 |
| ·感知器(Perceptron) | 第24-25页 |
| ·BP神经网络 | 第25-28页 |
| ·BP网络的训练过程 | 第26-27页 |
| ·BP神经网络的函数逼近能力 | 第27-28页 |
| ·RBF神经网络 | 第28-32页 |
| ·径向基函数网络的结构 | 第28-30页 |
| ·RBF网络的学习算法 | 第30页 |
| ·RBF网络的函数逼近特性 | 第30-32页 |
| ·神经网络辨识 | 第32-35页 |
| 第三章 单神经元自适应 PID控制 | 第35-51页 |
| ·传统PID控制 | 第35-36页 |
| ·基于单神经元的自适应PID控制 | 第36-44页 |
| ·单神经元 PID控制原理 | 第36-37页 |
| ·采用有监督 Hebb学习规则的单神经元 PID控制器 | 第37-40页 |
| ·基于 PSD算法的单神经元 PID学习算法 | 第40-42页 |
| ·单神经元 PID控制器的稳定性分析 | 第42-44页 |
| ·基于神经网络辨识的单神经元PID控制器 | 第44-51页 |
| ·BP神经网络辨识器 | 第45-47页 |
| ·RBF神经网络辨识器 | 第47-49页 |
| ·基于 RBF神经网络辨识的单神经元自适应 PID控制器 | 第49-51页 |
| 第四章 永磁同步电机矢量控制系统建模与仿真 | 第51-63页 |
| ·永磁同步电机磁场定向矢量控制数学模型 | 第51-55页 |
| ·PMSM的物理模型 | 第51页 |
| ·PMSM在三相静止坐标系下的物理方程 | 第51-52页 |
| ·坐标变换 | 第52-54页 |
| ·PMSM在dq0坐标系下的物理方程 | 第54页 |
| ·永磁同步电机转子磁链定向控制 | 第54-55页 |
| ·电流滞环控制 | 第55-57页 |
| ·速度调节器的设计 | 第57-58页 |
| ·电流环的简化 | 第57-58页 |
| ·速度环的设计 | 第58页 |
| ·matlab仿真 | 第58-63页 |
| ·传统 PID速度控制器仿真 | 第58-60页 |
| ·采用改进的有监督 Hebb学习的单神经元 PID速度控制器 | 第60-61页 |
| ·基于 RBF神经网络辨识的单神经元 PID速度控制器 | 第61-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
