基于ROC-Kalman滤波器的车辆行驶状态参数估计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状综述 | 第12-15页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 估计算法亟需解决的问题 | 第15-16页 |
| 1.4 研究内容 | 第16-18页 |
| 第2章 Kalman滤波器和ROC曲线 | 第18-24页 |
| 2.1 Kalman滤波器概述 | 第18-21页 |
| 2.1.1 Kalman滤波器的基本思想 | 第18页 |
| 2.1.2 Kalman滤波器算法 | 第18-20页 |
| 2.1.3 Kalman滤波器特点 | 第20-21页 |
| 2.2 ROC曲线概述 | 第21-23页 |
| 2.2.1 ROC曲线的概念 | 第21页 |
| 2.2.2 ROC曲线的作用 | 第21-22页 |
| 2.2.3 ROC曲线分析的主要步骤 | 第22页 |
| 2.2.4 ROC曲线优点 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 车辆轮胎侧偏特性估计方法分析与模型建立 | 第24-36页 |
| 3.1 车辆自由度定义与坐标系标定 | 第24页 |
| 3.2 轮胎侧偏特性估计方法分析 | 第24-33页 |
| 3.2.1 最小二乘直接估计方法 | 第24-26页 |
| 3.2.2 侧向加速度法 | 第26-27页 |
| 3.2.3 横摆角速度法 | 第27页 |
| 3.2.4 传递函数法 | 第27页 |
| 3.2.5 加速度变化率法 | 第27-28页 |
| 3.2.6 GPS/INS估计算法 | 第28-29页 |
| 3.2.7 基于Kalman滤波器的估计算法 | 第29-30页 |
| 3.2.8 基于神经网络的估计算法 | 第30-32页 |
| 3.2.9 构造状态估计观测器 | 第32-33页 |
| 3.3 三自由度车辆模型的建立 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 试验平台与试验方案 | 第36-45页 |
| 4.1 多功能测试平台 | 第36页 |
| 4.2 测试设备主要性能参数 | 第36-40页 |
| 4.2.1 试验车辆参数 | 第36-37页 |
| 4.2.2 车速传感器 | 第37页 |
| 4.2.3 惯量传感器 | 第37-38页 |
| 4.2.4 车道线识别系统 | 第38页 |
| 4.2.5 方向盘转角传感器 | 第38-39页 |
| 4.2.6 车载雷达 | 第39-40页 |
| 4.3 试验方案 | 第40-44页 |
| 4.3.1 试验线路 | 第40页 |
| 4.3.2 被试驾驶人 | 第40页 |
| 4.3.3 试验流程 | 第40-41页 |
| 4.3.4 试验数据获取与处理 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 车辆行驶状态参数估计 | 第45-65页 |
| 5.1 可观测变量分析 | 第45-51页 |
| 5.1.1 纵向车速变化分析 | 第45-46页 |
| 5.1.2 纵向加速度变化分析 | 第46-47页 |
| 5.1.3 横摆角速度分析 | 第47-48页 |
| 5.1.4 侧向速度分析 | 第48-50页 |
| 5.1.5 侧向加速度分析 | 第50-51页 |
| 5.1.6 方向盘转角分析 | 第51页 |
| 5.2 动态时窗长度的确定 | 第51-53页 |
| 5.2.1 时窗的定义 | 第51-52页 |
| 5.2.2 时窗长度的确定 | 第52-53页 |
| 5.3 误差限的设定 | 第53-56页 |
| 5.4 噪声方差修正迭代过程 | 第56-57页 |
| 5.5 ROC-Kalman滤波器的构建 | 第57-58页 |
| 5.6 轮胎侧偏刚度估计 | 第58-61页 |
| 5.7 质心侧偏角估计 | 第61-62页 |
| 5.8 模型的评价 | 第62-64页 |
| 5.9 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-66页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |
