| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 汽车起停系统研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 起停系统存在问题 | 第13-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第二章 起停系统 | 第16-26页 |
| 2.1 起停系统基本组成结构 | 第16-18页 |
| 2.2 起停系统工作原理 | 第18页 |
| 2.3 起停系统基本控制策略 | 第18-22页 |
| 2.3.1 起停功能开启/关闭 | 第18-19页 |
| 2.3.2 自动停机 | 第19-20页 |
| 2.3.3 自动起动 | 第20-22页 |
| 2.4 起停控制策略影响因素 | 第22-25页 |
| 2.4.1 无效怠速停机 | 第22-23页 |
| 2.4.2 发动机频繁起停 | 第23页 |
| 2.4.3 避免无效怠速停机与频繁起停的方法 | 第23-24页 |
| 2.4.4 行驶工况对起停控制策略的影响 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 典型行驶工况下起停控制策略 | 第26-37页 |
| 3.1 典型行驶工况选取与分析 | 第26-30页 |
| 3.1.1 四分类典型行驶工况选取 | 第26-27页 |
| 3.1.2 四分类典型行驶工况怠速分布 | 第27-29页 |
| 3.1.3 典型行驶工况下控制参数的选择 | 第29-30页 |
| 3.2 起停控制策略控制参数选择方法 | 第30-33页 |
| 3.2.1 非线性约束优化 | 第31-33页 |
| 3.2.2 控制参数选择步骤 | 第33页 |
| 3.3 优化控制策略结果分析与多模式控制策略 | 第33-36页 |
| 3.3.1 优化控制策略结果分析 | 第33-35页 |
| 3.3.2 多模式控制策略 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 汽车行驶工况识别 | 第37-51页 |
| 4.1 行驶工况识别研究现状 | 第37-38页 |
| 4.2 行驶工况特征参数选择 | 第38-47页 |
| 4.2.1 行驶工况特征参数全集 | 第38-40页 |
| 4.2.2 基于Wrapper框架特征选择 | 第40-41页 |
| 4.2.3 求解最优特征参数子集 | 第41-47页 |
| 4.3 基于LVQ神经网络的行驶工况识别 | 第47-50页 |
| 4.3.1 LVQ神经网络结构 | 第47-49页 |
| 4.3.2 LVQ神经网络学习算法 | 第49页 |
| 4.3.3 LVQ神经网络设计 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于工况识别的多模式控制策略仿真 | 第51-60页 |
| 5.1 汽车燃油消耗仿真模型 | 第51-53页 |
| 5.2 汽车油耗仿真参数 | 第53-54页 |
| 5.3 典型行驶工况下实验分析 | 第54-59页 |
| 5.3.1 基于LVQ神经网络的行驶工况识别结果 | 第54-57页 |
| 5.3.2 基于工况识别的多模式控制策略节油效果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |