| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 论文研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 交流电机调速系统控制策略 | 第11-13页 |
| 1.2.2 交流电机调速系统预测控制研究现状 | 第13-14页 |
| 1.3 模型预测控制概述 | 第14-15页 |
| 1.4 论文主要研究内容 | 第15-16页 |
| 2 PMSM工作原理及数学模型 | 第16-23页 |
| 2.1 PMSM的结构及工作原理 | 第16-17页 |
| 2.1.1 PMSM的结构 | 第16页 |
| 2.1.2 PMSM的工作原理 | 第16-17页 |
| 2.2 三相静止坐标系下的PMSM数学模型 | 第17-18页 |
| 2.3 坐标变换 | 第18-20页 |
| 2.4 两相静止坐标系下的PMSM数学模型 | 第20-21页 |
| 2.5 两相旋转坐标系下的PMSM数学模型 | 第21-22页 |
| 2.6 小结 | 第22-23页 |
| 3 PMSM伺服调速系统常规PI控制及改进 | 第23-34页 |
| 3.1 矢量控制基本原理 | 第23-24页 |
| 3.2 基于常规PI控制的PMSM调速控制系统 | 第24-26页 |
| 3.2.1 PMSM数学模型分析 | 第24-25页 |
| 3.2.2 常规PMSM调速控制系统 | 第25-26页 |
| 3.3 基于SOA算法的速度控制器设计 | 第26-30页 |
| 3.3.1 人群搜索算法原理 | 第26-28页 |
| 3.3.2 速度控制器设计 | 第28-30页 |
| 3.4 PMSM调速系统神经网络PI控制 | 第30-33页 |
| 3.5 小结 | 第33-34页 |
| 4 PMSM调速控制系统RBF神经网络预测控制 | 第34-50页 |
| 4.1 神经网络基本原理 | 第34-35页 |
| 4.2 RBF神经网络建模 | 第35-39页 |
| 4.2.1 RBF神经网络模型 | 第36-37页 |
| 4.2.2 PMSM神经网络建模 | 第37-39页 |
| 4.3 基于RBF神经网络预测控制的PMSM调速系统设计 | 第39-44页 |
| 4.3.1 RBF神经网络预测模型 | 第40-41页 |
| 4.3.2 梯度法滚动优化 | 第41-42页 |
| 4.3.3 反馈校正 | 第42-44页 |
| 4.4 PMSM调速控制系统仿真 | 第44-49页 |
| 4.5 小结 | 第49-50页 |
| 5 PMSM调速控制系统LS-SVM预测控制 | 第50-64页 |
| 5.1 支持向量机基本理论 | 第50-53页 |
| 5.1.1 分类支持向量机 | 第50-51页 |
| 5.1.2 回归支持向量机 | 第51-53页 |
| 5.2 LS-SVM建模 | 第53-56页 |
| 5.2.1 LS-SVM模型 | 第53-55页 |
| 5.2.2 永磁同步电机LS-SVM建模 | 第55-56页 |
| 5.3 基于LS-SVM预测控制的PMSM调速系统设计 | 第56-60页 |
| 5.3.1 LS-SVM预测模型 | 第56-57页 |
| 5.3.2 N-R滚动优化 | 第57-58页 |
| 5.3.3 反馈校正 | 第58-60页 |
| 5.4 PMSM调速控制系统仿真 | 第60-63页 |
| 5.5 小结 | 第63-64页 |
| 6 数控机床PMSM调速控制系统的应用 | 第64-70页 |
| 6.1 数控机床进给伺服系统概述 | 第64-66页 |
| 6.1.1 数控机床进给伺服系统组成 | 第64-65页 |
| 6.1.2 机械传动系统模型分析 | 第65-66页 |
| 6.2 基于PI控制的PMSM调速控制系统应用 | 第66-67页 |
| 6.3 基于预测控制的PMSM调速控制系统应用 | 第67-69页 |
| 6.4 小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的研究成果 | 第77页 |