| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·直接转矩控制理论的发展与现状 | 第9-11页 |
| ·磁链控制方式 | 第9-10页 |
| ·磁链模型 | 第10-11页 |
| ·磁链轨迹 | 第11页 |
| ·直接转矩控制系统的数字化发展趋势 | 第11-12页 |
| ·智能控制在直接转矩控制系统中的应用 | 第12-14页 |
| ·模糊控制在电气传动领域中的应用 | 第12-13页 |
| ·神经网络控制在电气传动领域中的应用 | 第13-14页 |
| ·智能控制方法的优化 | 第14-16页 |
| ·粒子群优化算法概述 | 第14-15页 |
| ·利用粒子群算法优化神经网络 | 第15-16页 |
| ·课题研究内容 | 第16-17页 |
| 2 直接转矩控制系统的基本原理 | 第17-31页 |
| ·异步电动机数学模型 | 第17-23页 |
| ·静止两项坐标系的数学模型 | 第17-18页 |
| ·异步电动机的坐标变换原则 | 第18-21页 |
| ·异步电机的数学模型分析 | 第21-23页 |
| ·直接转矩控制的基本理论 | 第23-26页 |
| ·电压空间矢量 | 第23-24页 |
| ·定子磁链空间矢量 | 第24-26页 |
| ·直接转矩控制的基本构成 | 第26-31页 |
| ·磁链控制 | 第27页 |
| ·电磁转矩控制 | 第27-31页 |
| 3 智能控制及优化算法在直接转矩控制领域的应用 | 第31-42页 |
| ·智能控制与神经网络的发展 | 第31-36页 |
| ·智能控制的出现与发展 | 第31-32页 |
| ·BP神经网络的构成 | 第32-35页 |
| ·对BP网络的评价 | 第35-36页 |
| ·粒子群优化算法与神经网络的结合 | 第36-39页 |
| ·粒子群算法的发展 | 第36页 |
| ·粒子群算法与神经网络的结合 | 第36-39页 |
| ·新型磁链观测器的构成 | 第39-42页 |
| 4 基于TMS320F240的直接转矩系统硬件构成 | 第42-51页 |
| ·整体系统硬件设计 | 第42-44页 |
| ·主回路系统硬件设计 | 第44-45页 |
| ·控制回路系统硬件设计 | 第45-51页 |
| ·TMS320F240的芯片介绍 | 第45-47页 |
| ·DSP与PC机的接口通讯 | 第47-49页 |
| ·A/D转换电路 | 第49页 |
| ·电流检测电路的设计 | 第49-51页 |
| 5 基于DSP开发系统的软件设计 | 第51-61页 |
| ·编译开发软件CCS介绍 | 第51-53页 |
| ·软件设计 | 第53-61页 |
| ·整体电机控制程序的编写 | 第53-57页 |
| ·基于优化后神经网络的磁链观测器 | 第57-61页 |
| 6 实验结果分析 | 第61-70页 |
| ·神经网络优化结果分析 | 第62-65页 |
| ·基于神经网络的磁链观测器指标分析 | 第65-70页 |
| 7 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |