汽车动态称重系统数据处理的算法研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-20页 |
| ·车辆动态称重系统研究意义 | 第7-8页 |
| ·汽车动态称重的发展概况 | 第8-16页 |
| ·动态称重硬件平台的组成原理 | 第9-11页 |
| ·动态称重系统的硬件构成研究与运用现状 | 第11-13页 |
| ·动态称重软件平台的组成原理 | 第13-14页 |
| ·动态称重软件平台的研究、发展与运用现状 | 第14-16页 |
| ·国内外动态称重产品的应用现状 | 第16-18页 |
| ·论文结构 | 第18-20页 |
| 第二章 动态称重信号预处理 | 第20-38页 |
| ·动态称重信号中的高频噪声 | 第20-23页 |
| ·高频噪声的形成原理 | 第20-21页 |
| ·高频率噪声的滤除 | 第21-23页 |
| ·低频随机振动干扰的消除 | 第23-31页 |
| ·低频随机振动干扰的形成原理 | 第23-24页 |
| ·优化算法对低频干扰的祛除 | 第24-28页 |
| ·优化算法祛除低频干扰的实验仿真 | 第28-30页 |
| ·优化算法祛除低频干扰的缺陷 | 第30-31页 |
| ·遗传算法概述 | 第31-36页 |
| ·遗传算法的介绍以及使用遗传算法的必要性 | 第31页 |
| ·遗传算法的算法步骤 | 第31-33页 |
| ·遗传算法对实际动态称重信号的处理 | 第33-34页 |
| ·遗传算法参数设定 | 第34-36页 |
| ·处理结果的分析 | 第36页 |
| ·小结 | 第36-38页 |
| 第三章 基于参数估计的动态称重系统辨识 | 第38-52页 |
| ·系统辨识算法 | 第38-44页 |
| ·系统辨识算法概述 | 第38-39页 |
| ·系统辨识建模的定义 | 第39-41页 |
| ·辨识算法的基本原理 | 第41-42页 |
| ·辨识的内容 | 第42-44页 |
| ·动态称重系统的机理建模与分析 | 第44-48页 |
| ·参数估计算法的研究 | 第48-51页 |
| ·最小二乘参数估计 | 第48-50页 |
| ·动态称重信号的系统辩识结果 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第四章 神经网络算法在汽车动态称重中的应用 | 第52-67页 |
| ·人工神经网络概述 | 第52-54页 |
| ·混合模型神经网络的提出 | 第54-58页 |
| ·混合神经网络的几种结构 | 第54-56页 |
| ·混合网络结构特点 | 第56-58页 |
| ·网络快速学习算法 | 第58-63页 |
| ·算法设计思想 | 第58-59页 |
| ·最小二乘学习算法 | 第59-61页 |
| ·快速学习算法的全过程 | 第61-63页 |
| ·混合神经网络模型用于动态称重的仿真试验 | 第63-66页 |
| ·混合神经网络模型的建立 | 第63-65页 |
| ·模型的在线自学习 | 第65-66页 |
| ·小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·研究工作总结 | 第67-68页 |
| ·问题与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 摘要 | 第73-75页 |
| Abstract | 第75-77页 |
| 致谢 | 第77页 |
