| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-26页 |
| 1.1 研究背景 | 第12-18页 |
| 1.1.1 超磁致伸缩材料的发展过程 | 第12-13页 |
| 1.1.2 超磁致伸缩材料的性能及工作机理 | 第13-16页 |
| 1.1.3 超磁致伸缩材料的应用 | 第16-18页 |
| 1.2 研究现状 | 第18-23页 |
| 1.2.1 非圆型面零件车削加工驱动方式的研究现状 | 第18-20页 |
| 1.2.2 GMM滞回特性研究现状 | 第20-21页 |
| 1.2.3 GMA控制方法研究现状 | 第21-23页 |
| 1.3 本文研究的主要内容及意义 | 第23-26页 |
| 2 GMA车削加工系统动力学模型 | 第26-38页 |
| 2.1 超磁致伸缩执行器简介 | 第26-27页 |
| 2.2 超磁致伸缩执行器动力学模型 | 第27-35页 |
| 2.2.1 外激励电流与磁场关系模型 | 第27-29页 |
| 2.2.2 超磁致伸缩执行器的磁滞模型 | 第29-30页 |
| 2.2.3 超磁致伸缩执行器动力学模型的建立 | 第30-32页 |
| 2.2.4 模型验证 | 第32-35页 |
| 2.3 GMA车削加工系统的动力学模型 | 第35-37页 |
| 2.3.1 GMA车削加工系统的动力学模型的建立 | 第35-36页 |
| 2.3.2 模型验证 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 模糊自适应PID控制 | 第38-50页 |
| 3.1 PID控制原理 | 第38-40页 |
| 3.2 模糊PID控制 | 第40-46页 |
| 3.2.1 模糊控制原理 | 第40-42页 |
| 3.2.2 模糊PID控制器的设计 | 第42-46页 |
| 3.3 仿真结果与分析 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 RBF神经网络逆补偿控制 | 第50-66页 |
| 4.1 神经网络简介 | 第50-55页 |
| 4.1.1 神经网络原理 | 第50-52页 |
| 4.1.2 神经网络控制介绍 | 第52-55页 |
| 4.2 逆补偿控制 | 第55-56页 |
| 4.3 前馈磁滞补偿控制 | 第56-63页 |
| 4.3.1 前馈磁滞补偿控制思想 | 第56页 |
| 4.3.2 被控对象的可逆性 | 第56-57页 |
| 4.3.3 RBF神经网络控制器设计 | 第57-60页 |
| 4.3.4 算法步骤 | 第60页 |
| 4.3.5 仿真分析 | 第60-63页 |
| 4.4 本章小结 | 第63-66页 |
| 5 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介及读研期间科研成果 | 第74-75页 |