| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题来源与研究意义 | 第8-9页 |
| ·课题来源 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·表面贴装技术（SMT）概述 | 第9-11页 |
| ·表面贴装技术(SMT) | 第9页 |
| ·SMT 工艺流程 | 第9-11页 |
| ·贴片机概述 | 第11-16页 |
| ·贴片机研制中的核心技术 | 第12-13页 |
| ·贴片机的种类 | 第13-14页 |
| ·国内外贴片机研究的历史和现状 | 第14-16页 |
| ·本课题的研究内容和预期目标 | 第16-17页 |
| ·研究内容 | 第16页 |
| ·预期目标 | 第16-17页 |
| ·论文的内容架构 | 第17-18页 |
| 第二章 贴片机运动控制系统的组成 | 第18-33页 |
| ·引言 | 第18-19页 |
| ·贴片机运动控制系统的硬件组成 | 第19-27页 |
| ·运动控制系统的机械结构组成 | 第19-20页 |
| ·运动控制系统的硬件框图 | 第20页 |
| ·运动控制系统主要组成部分介绍 | 第20-27页 |
| ·贴片机控制系统的软件构成 | 第27-32页 |
| ·初始化和基本运动功能实现 | 第28-29页 |
| ·控制软件设计 | 第29-32页 |
| ·小结 | 第32-33页 |
| 第三章 基于最小二乘法的系统辨识 | 第33-42页 |
| ·引言 | 第33-34页 |
| ·系统辨识的定义 | 第33-34页 |
| ·基于最小二乘法的系统辨识 | 第34-38页 |
| ·一般最小二乘法简介 | 第34-36页 |
| ·有时滞的最小二乘法 | 第36-37页 |
| ·利用最小二乘法进行系统辨识的步骤 | 第37-38页 |
| ·基于加权最小二乘法的系统辨识 | 第38-39页 |
| ·模型阶次的确定 | 第39-40页 |
| ·模型定阶原理 | 第39-40页 |
| ·模型的F 校验法 | 第40页 |
| ·小结 | 第40-42页 |
| 第四章 基于RBF 神经网络的辨识原理 | 第42-53页 |
| ·引言 | 第42-45页 |
| ·神经网络概述 | 第42-43页 |
| ·基于神经网络的辨识过程及特点 | 第43-45页 |
| ·RBF 神经网络概述 | 第45-49页 |
| ·RBF 概述及其网络结构 | 第45-47页 |
| ·RBF 网络学习方法 | 第47-49页 |
| ·基于RBF 的神经网络辨识 | 第49-52页 |
| ·神经网络系统辨识的结构 | 第49-51页 |
| ·神经网络系统辨识的一般步骤 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 数据采集试验及辨识结果分析 | 第53-69页 |
| ·引言 | 第53页 |
| ·数据采集实验设计 | 第53-58页 |
| ·运动控制系统控制框图 | 第53-54页 |
| ·辨识试验信号选择 | 第54-56页 |
| ·基于VC++的数据采集程序设计实现 | 第56-58页 |
| ·辨识试验结果 | 第58-67页 |
| ·先验信息的嵌入技术 | 第58-60页 |
| ·基于最小二乘法的辨识试验结果 | 第60-63页 |
| ·Matlab 在基于RBF 神经网络辨识中的使用 | 第63-64页 |
| ·基于RBF 神经网络的系统辨识结果 | 第64-67页 |
| ·小结 | 第67-69页 |
| 第六章 总结 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 硕士期间发表论文与参加科研项目 | 第74-75页 |
| 附录 | 第75-79页 |
| 致谢 | 第79页 |