| 第一章 绪论 | 第9-19页 |
| 1.1 USM简介 | 第9-10页 |
| 1.2 USM的发展和研究状况 | 第10-11页 |
| 1.3 USM的分类 | 第11-13页 |
| 1.3.1 按运行方式分类 | 第11-12页 |
| 1.3.2 按功能分类 | 第12页 |
| 1.3.3 按照定子表面质点椭圆运动方式分类 | 第12-13页 |
| 1.3.4 按结构分类 | 第13页 |
| 1.4 USM的特点 | 第13-14页 |
| 1.5 USM的用途与应用前景展望 | 第14-17页 |
| 1.6 课题的来源及研究的主要内容 | 第17-19页 |
| 第二章 行波型USM的结构和运行机理 | 第19-27页 |
| 2.1 行波型USM的结构 | 第19-21页 |
| 2.2 行波型USM的运行机理 | 第21-27页 |
| 2.2.1 基本假设 | 第21-22页 |
| 2.2.2 压电振动的产生 | 第22-24页 |
| 2.2.3 定子表面质点运动情况 | 第24-27页 |
| 第三章 行波型USM的驱动电路研究 | 第27-43页 |
| 3.1 行波型USM驱动-控制系统概述 | 第27-28页 |
| 3.2 行波型USM的传递函数模型 | 第28-30页 |
| 3.3 超声波电机驱动-控制电路研究 | 第30-39页 |
| 3.3.1 优化算法控制器部分 | 第31-32页 |
| 3.3.2 可调节频率的信号发生电路 | 第32-35页 |
| 3.3.3 移相电路 | 第35-37页 |
| 3.3.4 逆变系统主回路 | 第37-39页 |
| 3.3.5 反馈回路 | 第39页 |
| 3.4 USM的变频调速特性 | 第39-43页 |
| 第四章 基于RBFNN的超声波电机自适应速度控制 | 第43-54页 |
| 4.1 超声波电机模型参考自适应速度控制系统结构 | 第44页 |
| 4.2 RBF人工神经网络 | 第44-48页 |
| 4.2.1 RBF网络的结构和特点 | 第44-46页 |
| 4.2.2 RBF网络的学习方法 | 第46-48页 |
| 4.3 自适应RBFNN学习方法 | 第48-50页 |
| 4.3.1 RBFNN的离线训练 | 第49-50页 |
| 4.3.2 RBFNN的在线训练 | 第50页 |
| 4.4 实验结果 | 第50-53页 |
| 4.5 结论 | 第53-54页 |
| 第五章 基于混合递阶遗传算法的超声波电机RBFNN自适应控制 | 第54-61页 |
| 5.1 遗传算法 | 第54页 |
| 5.2 递阶遗传算法 | 第54-55页 |
| 5.3 RBFNN控制器 | 第55-56页 |
| 5.4 基于混合递阶遗传算法的RBFNN的训练 | 第56页 |
| 5.5 实验结果 | 第56-60页 |
| 5.6 结论 | 第60-61页 |
| 结 束 语 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致 谢 | 第68页 |