文摘
英文文摘
声明
第1章绪论
1.1研究背景与选题意义
1.2逆系统控制研究现状
1.2.1逆系统方法介绍
1.2.2基于智能方法的逆系统
1.3交流电机逆系统控制现状
1.4本论文的主要研究内容
第2章非线性系统的逆系统
2.1基于状态方程描述SISO系统的逆系统
2.1.1 SISO非线性系统的相对阶
2.1.2 SISO非线性系统的可逆性
2.2基于状态方程描述MIMO系统的逆系统
2.2.1 Interactor算法与MIMO系统的相对阶和本性阶
2.2.2 MIMO非线性系统的可逆性
2.3基于输入输出微分方程描述系统的逆系统
2.3.1 SISO非线性系统的可逆性
2.3.2 MIMO非线性系统的可逆性
2.4伪线性复合系统与广义逆系统
2.4.1伪线性复合系统
2.4.2传统广义逆系统
2.4.3一种新型广义逆系统
2.5仿真实验
2.5.1 SISO系统
2.5.2 MIMO系统
2.6本章小结
第3章神经网络逆系统控制
3.1前馈神经网络逆系统控制
3.1.1前馈网络结构
3.1.2前馈网络逆系统结构
3.1.3前馈网络广义逆系统结构
3.1.4神经网络逆控制器
3.2区间自组织神经网络逆系统控制
3.2.1自组织网络结构和竞争学习算法
3.2.2区间分析基本概念
3.2.3区间自组织映射
3.2.4仿真研究
3.3良好非线性模型的神经网络线性化内模控制
3.3.1良好非线性模型
3.3.2基于前馈神经网络的模型辨识
3.3.3良好非线性模型线性化内模控制
3.3.4仿真研究
3.4本章小结
第4章支持向量机逆系统控制
4.1支持向量机基本理论
4.2最小二乘支持向量机
4.2.1最小二乘支持向量机函数估计算法
4.2.2 LS-SVM增量一枝剪在线学习算法
4.3最小二乘支持向量机逆系统
4.3.1基于LS-SVM在线算法的逆系统
4.3.2 LS-SVM直接逆系统控制稳定性
4.3.3仿真实验
4.4本章小结
第5章交流电机神经网络逆系统解耦控制
5.1交流调速原理及矢量控制
5.1.1交流电机与交流调速
5.1.2矢量控制介绍
5.2交流电机模型可逆性分析
5.2.1感应电机在静止(α-β)坐标系中可逆性
5.2.2感应电机在旋转(M-T)坐标系中可逆性
5.3感应电机神经网络逆系统控制
5.3.1感应电机的神经网络逆系统控制
5.3.2感应电机的神经网络广义逆系统控制
5.3.3感应电机的神经网络多模型广义逆系统控制
5.4本章小结
第6章结论与展望
6.1主要结论
6.2后续工作的展望
致 谢
参考文献
攻读博士学位期间的论文及科研情况