基于神经网络的磁悬浮测振系统混沌识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 压电式测量 | 第12页 |
| 1.2.2 磁致伸缩式测量 | 第12-13页 |
| 1.2.3 磁电式测量 | 第13-14页 |
| 1.2.4 电涡流式测量 | 第14-15页 |
| 1.3 神经网络发展历程 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 第2章 磁悬浮测振系统模型及混沌特性 | 第17-33页 |
| 2.1 磁悬浮测振系统工作原理 | 第17-25页 |
| 2.1.1 磁悬浮测振系统模型的组成 | 第17-19页 |
| 2.1.2 磁悬浮测振系统运动方程 | 第19-21页 |
| 2.1.3 光电位移传感器设计 | 第21-23页 |
| 2.1.4 磁悬浮球控制系统分析 | 第23-25页 |
| 2.2 磁悬浮混沌运动特性 | 第25-32页 |
| 2.2.1 混沌运动模型的建立 | 第25-28页 |
| 2.2.2 磁悬浮球运动的混沌现象 | 第28-30页 |
| 2.2.3 基于相轨迹的磁悬浮球混沌状态判断 | 第30-31页 |
| 2.2.4 磁悬浮球混沌状态转换稳定状态 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 混沌识别的神经网络理论分析 | 第33-46页 |
| 3.1 神经网络的结构组成 | 第33-35页 |
| 3.1.1 人工神经元模型 | 第33-34页 |
| 3.1.2 人工神经网络系统的特性 | 第34-35页 |
| 3.2 BP神经网络 | 第35-40页 |
| 3.2.1 BP神经网络推导 | 第35-38页 |
| 3.2.2 BP神经网络学习步骤 | 第38-40页 |
| 3.2.3 BP算法存在的不足 | 第40页 |
| 3.3 GA-BP神经网络的模型 | 第40-45页 |
| 3.3.1 编码设计 | 第40-41页 |
| 3.3.2 适应度函数的确定 | 第41页 |
| 3.3.3 种群的初始化 | 第41页 |
| 3.3.4 遗传算子的设计 | 第41-43页 |
| 3.3.5 基于数值优化技术的LM算法 | 第43-44页 |
| 3.3.6 GA-BP神经网络运行流程 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于神经网络的混沌状态识别 | 第46-60页 |
| 4.1 磁悬浮测振系统混沌信号数据预处理 | 第46-49页 |
| 4.1.1 磁悬浮测振系统混沌信号提取 | 第46-47页 |
| 4.1.2 时域统计分析及特征量选取 | 第47-48页 |
| 4.1.3 输入数据归一化 | 第48-49页 |
| 4.1.4 网络输入与期望输出 | 第49页 |
| 4.2 BP神经网络混沌识别 | 第49-55页 |
| 4.2.1 隐含层层数以及神经元个数确定 | 第49-51页 |
| 4.2.2 学习速率的选择 | 第51页 |
| 4.2.3 网络精度的要求 | 第51页 |
| 4.2.4 确定网络结构 | 第51-52页 |
| 4.2.5 BP神经网络训练及结果分析 | 第52-55页 |
| 4.3 GA-BP神经网络混沌识别 | 第55-59页 |
| 4.3.1 编码长度及种群初始化 | 第55-56页 |
| 4.3.2 GA-BP神经网络参数 | 第56页 |
| 4.3.3 GA-BP神经网络训练及结果分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 磁悬浮测振系统混沌识别实测研究 | 第60-65页 |
| 5.1 磁悬浮测振系统的组成 | 第60-62页 |
| 5.2 磁悬浮测振系统实测中的混沌识别 | 第62-64页 |
| 5.2.1 无振动混沌识别 | 第62-63页 |
| 5.2.2 外加振动检验系统稳定性 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文及获得成果 | 第70-71页 |
| 致谢 | 第71页 |
