| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·问题的提出及研究的意义 | 第10-13页 |
| ·液压提升机的研究现状 | 第13-14页 |
| ·电液控制技术的发展和应用现状 | 第14-15页 |
| ·神经网络的发展概况 | 第15-16页 |
| ·论文的主要研究内容与创新 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第2章 液压提升机的工作原理及其建模 | 第17-29页 |
| ·液压提升机驱动系统和制动系统的工作原理 | 第17-18页 |
| ·液压提升机驱动系统工作原理 | 第17-18页 |
| ·液压提升机制动系统工作原理 | 第18页 |
| ·电液伺服调速控制方案 | 第18-20页 |
| ·各环节数学模型的建立 | 第20-27页 |
| ·驱动系统数学模型 | 第20-25页 |
| ·制动系统数学模型 | 第25-27页 |
| ·模型参数的选取及计算 | 第27-28页 |
| ·泵控马达系统液压驱动系统 | 第27页 |
| ·阀控缸制动系统 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于 AMEsim 的液压提升机启动特性分析 | 第29-36页 |
| ·AMEsim 软件的简介 | 第29-30页 |
| ·驱动系统和制动系统的在启动过程中的协同性 | 第30-31页 |
| ·AMEsim 模型的建立 | 第31-33页 |
| ·液压提升机启动特性分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于遗传算法和 PID 神经网络的液压提升机控制 | 第36-52页 |
| ·遗传算法原理 | 第36-38页 |
| ·编码方式 | 第36页 |
| ·适应度函数 | 第36-37页 |
| ·选择 | 第37页 |
| ·交叉 | 第37-38页 |
| ·变异 | 第38页 |
| ·SPIDNN 的基本形式 | 第38-43页 |
| ·SPIDNN 的结构形式 | 第38-40页 |
| ·控制器的向前算法 | 第40-41页 |
| ·控制器的学习算法 | 第41-43页 |
| ·SPIDNN 的改进设计 | 第43-46页 |
| ·局部极小点问题 | 第43-44页 |
| ·神经网络的稳定性 | 第44-45页 |
| ·学习效率与平滑因子的匹配 | 第45-46页 |
| ·液压提升机电液伺服系统 GA-SPIDNN 的仿真分析 | 第46-51页 |
| ·系统结构 | 第46-47页 |
| ·算法优化的 SPIDNN 控制器 | 第47-48页 |
| ·仿真结果及分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于神经网络的液压提升机电液系统建模 | 第52-66页 |
| ·减法聚类 | 第52-53页 |
| ·ANFIS 模糊推理模型 | 第53-56页 |
| ·AMEsim 建模及参数提取 | 第56-59页 |
| ·模型的建立及检验 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-80页 |
| 作者简介 | 第80页 |
| 攻读硕士学位期间发表论文和参加科研情况 | 第80-81页 |
