| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外电动加载系统的现状和发展趋势 | 第10-14页 |
| 1.2.1 伺服加载系统的普遍形式 | 第10页 |
| 1.2.2 电动加载系统的分类和难点问题 | 第10-12页 |
| 1.2.3 电动加载系统的研究现状 | 第12-13页 |
| 1.2.4 电动加载系统的发展趋势 | 第13-14页 |
| 1.3 人工神经网络理论基础 | 第14-15页 |
| 1.4 本课题的主要研究内容 | 第15-17页 |
| 2 电动加载系统的结构和数学模型分析 | 第17-24页 |
| 2.1 电动加载系统的结构 | 第17-18页 |
| 2.2 加载系统的数学模型 | 第18-21页 |
| 2.3 多余力矩问题 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 径向基函数神经网络及其算法 | 第24-44页 |
| 3.1 神经网络控制概述 | 第24-25页 |
| 3.2 径向基函数神经网络 | 第25-38页 |
| 3.2.1 径向基函数神经网络的结构 | 第26-27页 |
| 3.2.2 径向基函数神经网络的常用学习方法 | 第27-30页 |
| 3.2.3 影响径向基函数神经网络性能的因素 | 第30-38页 |
| 3.3 径向基函数神经网络学习方法的改进设计 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 电动加载系统的仿真分析 | 第44-64页 |
| 4.1 径向基函数神经网络模型参考自适应控制器的设计 | 第44-50页 |
| 4.1.1 神经网络系统辨识的特点和常用辨识结构 | 第44-46页 |
| 4.1.2 电动加载系统模型辨识结构 | 第46-47页 |
| 4.1.3 基于径向基函数神经网络模型参考自适应控制系统结构 | 第47-50页 |
| 4.2 控制策略的仿真与分析 | 第50-61页 |
| 4.2.1 加载系统辨识过程仿真 | 第50-55页 |
| 4.2.2 系统的控制仿真与分析 | 第55-61页 |
| 4.3 网络的学习曲线分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 5 电动加载系统的实现及综合调试 | 第64-74页 |
| 5.1 电动加载系统的硬件结构 | 第64-67页 |
| 5.1.1 加载电机及其伺服驱动器 | 第65-66页 |
| 5.1.2 PXI控制器的选择 | 第66页 |
| 5.1.3 数据采集卡的选择 | 第66-67页 |
| 5.1.4 扭矩传感器的选择 | 第67页 |
| 5.2 系统控制软件设计及综合调试 | 第67-73页 |
| 5.2.1 控制软件功能设计 | 第68页 |
| 5.2.2 控制软件结构设计 | 第68-71页 |
| 5.2.3 软件综合调试过程中出现的问题及解决办法 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 攻读硕士学位期间发表学术论文情况 | 第78-79页 |
| 致谢 | 第79-80页 |
