| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 电液伺服转台综述 | 第10-11页 |
| 1.2.1 转台总体结构及组成 | 第10页 |
| 1.2.2 转台系统特点概述 | 第10-11页 |
| 1.3 国内外研究现状分析 | 第11-14页 |
| 1.3.1 电液伺服系统控制策略研究现状 | 第11-12页 |
| 1.3.2 电液伺服系统故障诊断研究现状 | 第12-14页 |
| 1.4 课题主要研究内容及转台的技术指标 | 第14-15页 |
| 第2章 高性能电液伺服转台的建模 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 数学模型的建立 | 第15-21页 |
| 2.2.1 四通阀控制对称液压马达 | 第15-19页 |
| 2.2.2 电液伺服阀 | 第19页 |
| 2.2.3 其他元件 | 第19-20页 |
| 2.2.4 系统的结构框图及参数计算 | 第20-21页 |
| 2.3 系统频率特性测试 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 高性能电液伺服转台控制策略的研究 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 被控对象的频率特性 | 第23-24页 |
| 3.3 加速度和速度反馈 | 第24-26页 |
| 3.4 位置环控制 | 第26页 |
| 3.5 指令信号微分前馈 | 第26-28页 |
| 3.6 系统在低速运行时的控制问题 | 第28-32页 |
| 3.6.1 马达的摩擦干扰转矩及阀的死区非线性 | 第28-29页 |
| 3.6.2 干扰输入信号前馈 | 第29-31页 |
| 3.6.3 颤振信号环节 | 第31-32页 |
| 3.7 抗饱和环节 | 第32-34页 |
| 3.8 系统最终控制器时域仿真分析 | 第34-36页 |
| 3.9 本章小结 | 第36-37页 |
| 第4章 电液伺服系统故障分析及诊断方法原理 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 电液伺服系统故障概述 | 第37-38页 |
| 4.3 电液伺服阀 | 第38-39页 |
| 4.3.1 电液伺服阀的组成及特点 | 第38页 |
| 4.3.2 电液伺服阀的主要故障及其机理 | 第38-39页 |
| 4.4 液压马达 | 第39-40页 |
| 4.4.1 液压马达的组成及特点 | 第39-40页 |
| 4.4.2 液压马达的主要故障及其机理 | 第40页 |
| 4.5 角位移传感器 | 第40-41页 |
| 4.5.1 角位移传感器的特点 | 第40-41页 |
| 4.5.2 角位移传感器的主要故障及其机理 | 第41页 |
| 4.6 实际系统常见故障总结 | 第41-42页 |
| 4.7 粒子群算法原理 | 第42-45页 |
| 4.7.1 标准粒子群优化算法 | 第42-43页 |
| 4.7.2 多群粒子群算法 | 第43-44页 |
| 4.7.3 多群粒子群算法在本系统中的应用思路 | 第44-45页 |
| 4.8 人工神经网络算法原理 | 第45-49页 |
| 4.8.1 生物神经网络特点 | 第45-46页 |
| 4.8.2 人工神经网络算法 | 第46-47页 |
| 4.8.3 BP神经网络算法 | 第47-48页 |
| 4.8.4 BP神经网络算法在本系统中的应用思路 | 第48-49页 |
| 4.9 本章小结 | 第49-50页 |
| 第5章 故障诊断在电液伺服系统中的实现 | 第50-66页 |
| 5.1 引言 | 第50页 |
| 5.2 故障诊断性能的几种评价指标 | 第50页 |
| 5.3 多群粒子群算法用于故障诊断的实现 | 第50-60页 |
| 5.3.1 诊断过程 | 第50-52页 |
| 5.3.2 诊断结果 | 第52-60页 |
| 5.4 BP神经网络算法用于故障诊断的实现 | 第60-65页 |
| 5.4.1 故障样本的提取 | 第60页 |
| 5.4.2 BP神经网络参数设计 | 第60-62页 |
| 5.4.3 BP神经网络训练与诊断结果 | 第62-64页 |
| 5.4.4 多群粒子群算法和BP神经网络算法的对比 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |