| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-29页 |
| ·研究背景与选题意义 | 第13-14页 |
| ·逆系统控制研究现状 | 第14-21页 |
| ·逆系统方法介绍 | 第14-17页 |
| ·基于智能方法的逆系统 | 第17-21页 |
| ·交流电机逆系统控制现状 | 第21-26页 |
| ·本论文的主要研究内容 | 第26-29页 |
| 第2章 非线性系统的逆系统 | 第29-52页 |
| ·基于状态方程描述SISO系统的逆系统 | 第30-33页 |
| ·SISO非线性系统的相对阶 | 第31页 |
| ·SISO非线性系统的可逆性 | 第31-33页 |
| ·基于状态方程描述MIMO系统的逆系统 | 第33-40页 |
| ·Interactor算法与MIMO系统的相对阶和本性阶 | 第34-39页 |
| ·MIMO非线性系统的可逆性 | 第39-40页 |
| ·基于输入输出微分方程描述系统的逆系统 | 第40-41页 |
| ·SISO非线性系统的可逆性 | 第40-41页 |
| ·MIMO非线性系统的可逆性 | 第41页 |
| ·伪线性复合系统与广义逆系统 | 第41-47页 |
| ·伪线性复合系统 | 第41-43页 |
| ·传统广义逆系统 | 第43-44页 |
| ·一种新型广义逆系统 | 第44-47页 |
| ·仿真实验 | 第47-50页 |
| ·SISO系统 | 第47-48页 |
| ·MIMO系统 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第3章 神经网络逆系统控制 | 第52-80页 |
| ·前馈神经网络逆系统控制 | 第53-58页 |
| ·前馈网络结构 | 第53-55页 |
| ·前馈网络逆系统结构 | 第55-56页 |
| ·前馈网络广义逆系统结构 | 第56页 |
| ·神经网络逆控制器 | 第56-58页 |
| ·区间自组织神经网络逆系统控制 | 第58-68页 |
| ·自组织网络结构和竞争学习算法 | 第58-59页 |
| ·区间分析基本概念 | 第59-61页 |
| ·区间自组织映射 | 第61-64页 |
| ·仿真研究 | 第64-68页 |
| ·良好非线性模型的神经网络线性化内模控制 | 第68-78页 |
| ·良好非线性模型 | 第68-71页 |
| ·基于前馈神经网络的模型辨识 | 第71-72页 |
| ·良好非线性模型线性化内模控制 | 第72-74页 |
| ·仿真研究 | 第74-78页 |
| ·本章小结 | 第78-80页 |
| 第4章 支持向量机逆系统控制 | 第80-96页 |
| ·支持向量机基本理论 | 第80-83页 |
| ·最小二乘支持向量机 | 第83-85页 |
| ·最小二乘支持向量机函数估计算法 | 第83-84页 |
| ·LS-SVM增量—枝剪在线学习算法 | 第84-85页 |
| ·最小二乘支持向量机逆系统 | 第85-94页 |
| ·基于LS-SVM在线算法的逆系统 | 第85-88页 |
| ·LS-SVM直接逆系统控制稳定性 | 第88-92页 |
| ·仿真实验 | 第92-94页 |
| ·本章小结 | 第94-96页 |
| 第5章 交流电机神经网络逆系统解耦控制 | 第96-124页 |
| ·交流调速原理及矢量控制 | 第96-99页 |
| ·交流电机与交流调速 | 第96-97页 |
| ·矢量控制介绍 | 第97-99页 |
| ·交流电机模型可逆性分析 | 第99-107页 |
| ·感应电机在静止(α—β)坐标系中可逆性 | 第99-102页 |
| ·感应电机在旋转(M-T)坐标系中可逆性 | 第102-107页 |
| ·感应电机神经网络逆系统控制 | 第107-122页 |
| ·感应电机的神经网络逆系统控制 | 第107-109页 |
| ·感应电机的神经网络广义逆系统控制 | 第109-116页 |
| ·感应电机的神经网络多模型广义逆系统控制 | 第116-122页 |
| ·本章小结 | 第122-124页 |
| 第6章 结论与展望 | 第124-127页 |
| ·主要结论 | 第124-125页 |
| ·后续工作的展望 | 第125-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-136页 |
| 攻读博士学位期间的论文及科研情况 | 第136-137页 |