摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第8-23页 |
1.1 课题的研究背景及其意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-10页 |
1.3 齿隙非线性 | 第10-14页 |
1.3.1 迟滞模型 | 第12-13页 |
1.3.2 死区模型 | 第13页 |
1.3.3 “振-冲”模型 | 第13-14页 |
1.4 齿隙非线性的补偿方法 | 第14-20页 |
1.4.1 输入端齿隙系统 | 第15-17页 |
1.4.2 输出端齿隙系统 | 第17页 |
1.4.3 内部齿隙系统 | 第17-20页 |
1.5 论文的目的和主要研究内容 | 第20-21页 |
1.6 本章小结 | 第21-23页 |
2 基于模型的非线性系统控制理论 | 第23-27页 |
2.1 引言 | 第23页 |
2.2 反馈线性化 | 第23-24页 |
2.3 自适应控制理论 | 第24-26页 |
2.3.1 自适应控制算法介绍 | 第25-26页 |
2.3.2 性能分析 | 第26页 |
2.4 本章小结 | 第26-27页 |
3 基于反步递推方法的含齿隙伺服系统自适应控制 | 第27-42页 |
3.1 反步递推设计方法 | 第27-29页 |
3.2 基于反步递推方法的含齿隙电机系统自适应控制 | 第29-35页 |
3.2.1 问题描述 | 第29-30页 |
3.2.2 含齿隙的交流电机系统模型 | 第30-31页 |
3.2.3 含齿隙的交流电机系统反步递推自适应控制器设计 | 第31-35页 |
3.3 仿真研究 | 第35-41页 |
3.3.1 高频工况 | 第36-38页 |
3.3.2 低频工况 | 第38-41页 |
3.4 本章小结 | 第41-42页 |
4 基于齿隙模型逆误差神经网络补偿控制 | 第42-56页 |
4.1 引言 | 第42页 |
4.2 近似死区模型逆函数设计 | 第42-44页 |
4.3 RBF神经网络 | 第44-45页 |
4.4 基于齿隙近似死区模型逆误差神经网络补偿控制策略研究 | 第45-50页 |
4.4.1 含齿隙非线性的机电伺服系统建模 | 第45-46页 |
4.4.2 基于齿隙近似死区模型逆误差神经网络补偿控制器设计 | 第46-50页 |
4.5 仿真研究 | 第50-54页 |
4.5.1 高频工况 | 第51-52页 |
4.5.2 低频工况 | 第52-54页 |
4.6 本章小结 | 第54-56页 |
5 实验研究 | 第56-62页 |
5.1 引言 | 第56页 |
5.2 实验装置 | 第56-57页 |
5.3 实例研究 | 第57-61页 |
5.3.1 高频工况 | 第58-60页 |
5.3.2 低频工况 | 第60-61页 |
5.4 本章小结 | 第61-62页 |
6 全文总结与展望 | 第62-64页 |
6.1 论文主要工作及成果总结 | 第62-63页 |
6.2 论文中存在的不足与展望 | 第63-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-70页 |
附录 | 第70-71页 |
攻读硕士学位期间申请专利情况 | 第71-72页 |
攻读硕士学位期间参加的科学研宄情况 | 第72页 |