| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 驾驶员建模的研究概况 | 第14-15页 |
| 1.2.2 换挡规律优化的研究现状 | 第15-18页 |
| 1.3 本文研究内容及组织结构 | 第18-19页 |
| 1.3.1 本文研究内容 | 第18页 |
| 1.3.2 本文组织结构 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 个性化驾驶员建模 | 第20-45页 |
| 2.1 引言 | 第20-21页 |
| 2.2 相关关键技术 | 第21-25页 |
| 2.2.1 BP神经网络 | 第21-22页 |
| 2.2.2 径向基函数神经网络 | 第22-23页 |
| 2.2.3 PID控制 | 第23-24页 |
| 2.2.4 远程学习控制 | 第24-25页 |
| 2.3 汽车测试数据及预处理 | 第25-27页 |
| 2.3.1 汽车测试数据 | 第25-26页 |
| 2.3.2 数据的预处理 | 第26-27页 |
| 2.4 个性化驾驶员模型的建立 | 第27-31页 |
| 2.4.1 保留风格的初始驾驶员模型 | 第28-29页 |
| 2.4.2 自学习共性驾驶员模型的建立 | 第29-30页 |
| 2.4.3 自整定个性化驾驶员模型的建立 | 第30-31页 |
| 2.5 基于驾驶员模型的车辆测试 | 第31-34页 |
| 2.5.1 汽车标准测试工况 | 第31-32页 |
| 2.5.2 汽车模型的建立 | 第32-33页 |
| 2.5.3 基于FTP-72的汽车测试平台 | 第33-34页 |
| 2.6 测试结果 | 第34-44页 |
| 2.6.1 共性驾驶员模型的性能 | 第35-37页 |
| 2.6.2 个性化驾驶员模型的性能 | 第37-39页 |
| 2.6.3 驾驶员风格的影响 | 第39-41页 |
| 2.6.4 共性部分对风格保留的影响 | 第41-44页 |
| 2.7 本章小结 | 第44-45页 |
| 第3章 基于个性化驾驶员模型的换挡规律自动整定策略 | 第45-67页 |
| 3.1 引言 | 第45-47页 |
| 3.2 粒子群优化算法 | 第47页 |
| 3.3 换挡规律的表示 | 第47-50页 |
| 3.4 汽车模型 | 第50-51页 |
| 3.4.1 DBVM | 第50-51页 |
| 3.4.2 IAVM | 第51页 |
| 3.5 换挡性能的评价 | 第51-53页 |
| 3.5.1 DBVM的计算性能指标 | 第51-52页 |
| 3.5.2 IAVM的计算性能指标 | 第52-53页 |
| 3.6 换挡规律的自动整定 | 第53-55页 |
| 3.7 实验结果 | 第55-66页 |
| 3.7.1 DBVM的自动整定 | 第56-59页 |
| 3.7.2 IAVM的自动整定 | 第59-65页 |
| 3.7.3 驾驶风格对换挡性能的影响 | 第65-66页 |
| 3.8 本章小结 | 第66-67页 |
| 第4章 总结和展望 | 第67-69页 |
| 4.1 工作总结 | 第67-68页 |
| 4.2 不足和展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 硕士期间参与的项目和发表的论文 | 第72页 |