| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的来源 | 第10页 |
| 1.2 课题背景及研究的目的和意义 | 第10-12页 |
| 1.3 国内外研究现状及分析 | 第12-15页 |
| 1.3.1 推力波动抑制的国外研究现状 | 第12-13页 |
| 1.3.2 推力波动抑制的国内研究现状 | 第13-14页 |
| 1.3.3 推力波动抑制的国内外文献综述简析 | 第14-15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第2章 推力波动分析及反馈控制系统设计 | 第17-34页 |
| 2.1 直线电机推力波动分析 | 第17-22页 |
| 2.1.1 纹波扰动分析 | 第17-19页 |
| 2.1.2 齿槽力分析 | 第19-21页 |
| 2.1.3 端部效应分析 | 第21-22页 |
| 2.2 直线电机建模及反馈控制器设计 | 第22-33页 |
| 2.2.1 实验平台简介 | 第22-25页 |
| 2.2.2 直线电机扫频实验方案设计 | 第25-28页 |
| 2.2.3 扫频实验结果分析 | 第28-30页 |
| 2.2.4 反馈控制器设计 | 第30-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 推力波动数据采集及辨识 | 第34-47页 |
| 3.1 推力波动数据采集方案设计及实验结果 | 第34-38页 |
| 3.1.1 定位力数据采集方案设计及实验结果 | 第34-35页 |
| 3.1.2 纹波扰动数据采集方案设计及实验结果 | 第35-38页 |
| 3.2 推力波动辨识方法研究 | 第38-43页 |
| 3.2.1 基于傅里叶级数模型的定位力模型辨识 | 第38-40页 |
| 3.2.2 基于RBF神经网络的推力波动模型辨识 | 第40-43页 |
| 3.3 查表补偿方法研究 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于迭代学习前馈的推力波动补偿方法研究 | 第47-58页 |
| 4.1 迭代学习前馈补偿方法理论分析 | 第47-51页 |
| 4.1.1 P型迭代学习控制方法 | 第49-50页 |
| 4.1.2 逆模型迭代学习控制方法 | 第50-51页 |
| 4.2 基于迭代学习前馈的推力波动补偿方法仿真研究 | 第51-55页 |
| 4.2.1 P型迭代学习补偿方法仿真分析 | 第51-53页 |
| 4.2.2 逆模型迭代学习补偿方法仿真分析 | 第53-55页 |
| 4.3 基于迭代学习前馈的推力波动补偿方法实验研究 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于扰动观测器的推力波动补偿方法研究 | 第58-81页 |
| 5.1 基于传统扰动观测器的推力波动补偿方法研究 | 第58-66页 |
| 5.1.1 传统扰动观测器补偿方法理论分析 | 第58-60页 |
| 5.1.2 传统扰动观测器补偿方法仿真研究 | 第60-63页 |
| 5.1.3 传统扰动观测器补偿方法实验研究 | 第63-66页 |
| 5.2 改进扰动观测器设计 | 第66-70页 |
| 5.2.1 改进扰动观测器理论设计 | 第66-68页 |
| 5.2.2 改进扰动观测器仿真分析 | 第68-70页 |
| 5.3 基于改进扰动观测器的推力波动补偿方法实验研究 | 第70-76页 |
| 5.4 基于改进扰动观测器+迭代学习的推力波动补偿方法研究 | 第76-80页 |
| 5.5 本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士期间发表的学术论文 | 第86-88页 |
| 致谢 | 第88页 |
