开关磁阻电机转矩脉动抑制神经网络控制策略的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·开关磁阻电机的发展状况 | 第11-12页 |
| ·研究热点 | 第12-15页 |
| ·电机数学建模的研究 | 第12-13页 |
| ·控制策略的研究 | 第13页 |
| ·微处理器的选择应用 | 第13页 |
| ·实时位置检测技术 | 第13-14页 |
| ·进一步加强对铁心损耗的理论研究 | 第14页 |
| ·抑制电机转矩脉动及噪声的研究 | 第14-15页 |
| ·人工神经网络理论简介 | 第15-17页 |
| ·人工神经网络发展简史 | 第15-16页 |
| ·人工神经网络在控制领域中的应用 | 第16-17页 |
| ·研究内容及意义 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 开关磁阻电机控制系统 | 第19-29页 |
| ·开关磁阻电机的控制系统的组成及控制原理 | 第19-24页 |
| ·开关磁阻电机本体结构和基本工作原理概述 | 第20-22页 |
| ·功率变换器 | 第22-23页 |
| ·位置检测器 | 第23页 |
| ·控制器 | 第23-24页 |
| ·开关磁阻电机运行特性及控制方式 | 第24-27页 |
| ·运行特性 | 第24-25页 |
| ·SRM 控制方式 | 第25-27页 |
| ·开关磁阻电机控制系统特点 | 第27-28页 |
| ·优点 | 第27-28页 |
| ·开关磁阻电机的不足之处 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 开关磁阻电机的驱动模型及仿真 | 第29-37页 |
| ·引言 | 第29页 |
| ·SRM 的基本方程 | 第29-31页 |
| ·电机的电路方程 | 第29-30页 |
| ·机械方程 | 第30页 |
| ·电机联系方程 | 第30-31页 |
| ·SRM 的驱动系统的模型 | 第31-34页 |
| ·电机的电感非线性模型 | 第31-32页 |
| ·SRM 动态非线性模型 | 第32-33页 |
| ·功率变换器的电路模型表示 | 第33-34页 |
| ·SRM 驱动系统的动态仿真 | 第34-36页 |
| ·仿真模型 | 第34-35页 |
| ·仿真结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 神经网络控制技术与改进 | 第37-45页 |
| ·人工神经网络的基础 | 第37-39页 |
| ·神经网络的模型和网络基础 | 第37-38页 |
| ·学习规则 | 第38-39页 |
| ·BP 神经网络 | 第39-41页 |
| ·激活函数的选取 | 第39-40页 |
| ·网络结构及算法 | 第40-41页 |
| ·BP 神经网络存在的缺陷及产生的原因 | 第41页 |
| ·利用粒子群算法对 BP 神经网络进行改进 | 第41-44页 |
| ·标准的粒子群算法 | 第41-42页 |
| ·改进的粒子群算法 | 第42页 |
| ·改进的粒子群算法优化神经网络 | 第42页 |
| ·QPSO-BP 神经网络 | 第42-43页 |
| ·算法的步骤示意图 | 第43-44页 |
| ·优化前后 BP 网络的参数对比 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第5章 神经网络开关磁阻电机转矩抑制 | 第45-51页 |
| ·电机转矩抑制技术 | 第45-46页 |
| ·BP 神经网络的转矩逆模型 | 第46-47页 |
| ·逆模型 | 第46页 |
| ·转矩分配函数 | 第46-47页 |
| ·神经网络开关磁阻电机控制原理图 | 第47-48页 |
| ·PID 控制器模型 | 第48-49页 |
| ·结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·全文概述与总结 | 第51页 |
| ·对后期的展望 | 第51-52页 |
| ·对后期的展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58-59页 |
| 研究生期间发表的论文和科研成果 | 第59-60页 |
