基于气动波纹管的精密定位平台的建模与控制
摘要 | 第9-11页 |
ABSTRACT | 第11-12页 |
第1章 绪论 | 第13-22页 |
1.1 课题的来源及意义 | 第13-14页 |
1.2 精密定位系统的研究现状 | 第14-20页 |
1.2.1 国内外研究现状 | 第14-16页 |
1.2.2 常用驱动方式 | 第16-17页 |
1.2.3 常用位移检测技术 | 第17-19页 |
1.2.4 常用智能控制策略 | 第19-20页 |
1.3 课题研究的主要内容 | 第20-22页 |
第2章 基于波纹管驱动的精密定位平台的方案设计 | 第22-33页 |
2.1 平台总体方案设计 | 第22-23页 |
2.2 平台硬件部分组成 | 第23-29页 |
2.2.1 波纹管驱动机构 | 第24-27页 |
2.2.2 位移检测机构 | 第27页 |
2.2.3 气浮导轨机构 | 第27-29页 |
2.3 基于单片机的下位机系统 | 第29-30页 |
2.3.1 下位机系统设计 | 第29页 |
2.3.2 单片机控制器 | 第29-30页 |
2.4 基于LABVIEW的上位机系统 | 第30-32页 |
2.4.1 LABVIEW软件 | 第30-31页 |
2.4.2 LABVIEW软件生产者-消费者模式 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第3章 精密定位平台的数学建模与特性研究 | 第33-46页 |
3.1 波纹管的静态特性 | 第33-35页 |
3.2 系统数学模型的建立 | 第35-41页 |
3.2.1 电气压力比例阀压力-流量特性 | 第35-36页 |
3.2.2 运动方程 | 第36-37页 |
3.2.3 波纹管质量流量方程 | 第37页 |
3.2.4 平台数学模型 | 第37-38页 |
3.2.5 基于工作点线性化的数学模型 | 第38-41页 |
3.3 基于MATLAB的系统建模与仿真 | 第41-43页 |
3.3.1 仿真模型的建立 | 第41-42页 |
3.3.2 模型有效性验证 | 第42-43页 |
3.4 系统特性实验研究 | 第43-45页 |
3.4.1 气源压力对平台性能的影响 | 第43-44页 |
3.4.2 行程对平台性能的影响 | 第44页 |
3.4.3 负载对平台性能的影响 | 第44-45页 |
3.5 本章小结 | 第45-46页 |
第4章 神经网络在精密定位系统中的应用 | 第46-59页 |
4.1 神经网络理论与应用 | 第46-49页 |
4.1.1 神经网络概述 | 第46-48页 |
4.1.2 神经网络学习规则 | 第48-49页 |
4.2 BP神经网络算法及其改进算法 | 第49-51页 |
4.2.1 BP神经网络 | 第49-50页 |
4.2.2 BP神经网络算法的改进 | 第50-51页 |
4.3 基于神经网络的精密定位平台的控制方案设计 | 第51-56页 |
4.3.1 方案设计 | 第51-52页 |
4.3.2 神经网络辨识器的设计 | 第52-53页 |
4.3.3 神经网络控制器的设计 | 第53-56页 |
4.4 实验与分析 | 第56-58页 |
4.5 本章小结 | 第58-59页 |
第5章 精密定位平台的模糊神经网络控制研究 | 第59-81页 |
5.1 模糊控制 | 第59-66页 |
5.1.1 模糊控制基本原理和结构 | 第59-60页 |
5.1.2 模糊控制器的设计 | 第60-65页 |
5.1.3 模糊控制实验与分析 | 第65-66页 |
5.2 模糊神经网络理论 | 第66-69页 |
5.2.1 模糊控制与神经网络的结合 | 第66-67页 |
5.2.2 模糊神经网络的结构 | 第67-68页 |
5.2.3 模糊神经网络基本原理 | 第68-69页 |
5.3 精密定位平台模糊神经网络控制器的设计 | 第69-73页 |
5.3.1 模糊神经网络控制器结构 | 第69-71页 |
5.3.2 模糊神经网络的学习算法 | 第71-73页 |
5.4 模糊神经网络控制系统实验与分析 | 第73-80页 |
5.4.1 定位平台性能指标测定 | 第74-75页 |
5.4.2 单自由度连续轨迹跟踪实验 | 第75-78页 |
5.4.3 平面圆轨迹跟踪实验 | 第78-80页 |
5.5 本章小结 | 第80-81页 |
第6章 总结与展望 | 第81-84页 |
6.1 总结 | 第81-82页 |
6.2 展望 | 第82-84页 |
参考文献 | 第84-87页 |
攻读硕士学位期间学术论文发表及科研情况 | 第87-88页 |
致谢 | 第88页 |