| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·引言 | 第10页 |
| ·谐波的定义 | 第10-11页 |
| ·谐波产生的来源 | 第11页 |
| ·谐波的危害 | 第11-12页 |
| ·谐波抑制的起源、现状和展望 | 第12-14页 |
| ·谐波抑制的起源、现状 | 第12-13页 |
| ·谐波抑制的展望 | 第13-14页 |
| ·本课题主要研究内容 | 第14-15页 |
| 2 有源电力滤波器的原理及分类 | 第15-19页 |
| ·有源电力滤波器的基本原理 | 第15-16页 |
| ·有源电力滤波器的分类 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 3 有源电力滤波器谐波检测技术及仿真实现 | 第19-26页 |
| ·有源电力滤波器传统谐波检测技术 | 第19页 |
| ·瞬时无功功率理论 | 第19-23页 |
| ·p-q检测法 | 第21-22页 |
| ·ip-iq检测法 | 第22-23页 |
| ·基于单相电路ip-iq法则的谐波检测 | 第23页 |
| ·单相电路谐波检测Matlab仿真 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 4 有源电力滤波器预测控制策略分析与研究 | 第26-40页 |
| ·有源电力滤波器谐波补偿常见控制方法 | 第26-30页 |
| ·滞环比较PWM电流控制法 | 第26-27页 |
| ·空间矢量PWM电压控制法 | 第27-28页 |
| ·无差拍PWM电流控制法 | 第28-29页 |
| ·三角波比较PWM电流控制法 | 第29-30页 |
| ·预测控制 | 第30-32页 |
| ·延时对APF补偿性能的影响分析 | 第30页 |
| ·预测控制概述 | 第30-32页 |
| ·APF电流预测控制策略的研究 | 第32-33页 |
| ·基于拉格朗日插值算法的线性预测控制 | 第32-33页 |
| ·基于自适应滤波器的预测控制 | 第33-39页 |
| ·自适应滤波器预测的概述 | 第33-34页 |
| ·FIR自适应滤波器预测控制的结构 | 第34-35页 |
| ·自适应算法—LMS算法 | 第35-37页 |
| ·基于自适应LMS算法的预测控制思路 | 第37-38页 |
| ·基于自适应LMS算法的预测控制器设计 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5 基于RBF神经网络的APF电流预测控制及其仿真实现 | 第40-58页 |
| ·径向基函数(RBF)神经网络预测控制概述 | 第40-41页 |
| ·RBF径向基函数神经网络的结构和原理 | 第41-42页 |
| ·RBF神经网络学习算法 | 第42-45页 |
| ·RBF神经网络预测控制研究与设计 | 第45-47页 |
| ·样本数据预处理 | 第45-46页 |
| ·初始值的选择 | 第46页 |
| ·隐含层节点数的选择 | 第46页 |
| ·RBF神经网络建立流程 | 第46-47页 |
| ·RBF神经网络的训练及其对电流的预测效果分析 | 第47-49页 |
| ·RBF网络预测与基于自适应滤波器的预测控制对比 | 第49-51页 |
| ·基于自适应滤波器的预测控制仿真 | 第49-50页 |
| ·二者电流误差分析 | 第50-51页 |
| ·RBF神经网络预测控制器的设计 | 第51-52页 |
| ·并联型APF谐波预测补偿的设计与Mattab仿真 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第64页 |