| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景、目的与意义 | 第11-12页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 课题研究的目的与意义 | 第12页 |
| 1.2 国内外研究现状和发展趋势 | 第12-16页 |
| 1.2.1 国内研究现状和发展趋势 | 第13-14页 |
| 1.2.2 国外研究现状和发展趋势 | 第14-16页 |
| 1.3 课题主要研究内容 | 第16-18页 |
| 第2章 电动堆高车辅助存取货系统设计 | 第18-21页 |
| 2.1 辅助存取货控制系统方案 | 第18页 |
| 2.2 电动堆高车检测模块 | 第18-20页 |
| 2.2.1 重量检测模块 | 第18-19页 |
| 2.2.2 中心距检测模块 | 第19-20页 |
| 2.2.3 左右偏载检测模块 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于曲线拟合法的货叉负载状态检测研究 | 第21-43页 |
| 3.1 货叉负载重量计算算法 | 第21-26页 |
| 3.1.1 内门架起升前负载重量计算算法 | 第21-24页 |
| 3.1.2 内门架起升后负载重量计算算法 | 第24-26页 |
| 3.2 货叉负载中心距计算算法 | 第26-34页 |
| 3.2.1 内门架起升前中心距的计算算法 | 第27-29页 |
| 3.2.2 内门架起升后中心距的计算算法 | 第29-34页 |
| 3.3 货叉负载偏载计算算法 | 第34-42页 |
| 3.3.1 建立力矩与左右偏载传感器变量和的函数关系 | 第35-37页 |
| 3.3.2 建立偏载距离与左右偏载传感器变量差的函数关系 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于BP神经网络的货叉负载状态检测研究 | 第43-61页 |
| 4.1 基于BP神经网络的货叉负载偏载研究 | 第43-49页 |
| 4.1.1 设置神经网络工具箱对数据训练 | 第43-44页 |
| 4.1.2 神经网络输出结果分析 | 第44-46页 |
| 4.1.3 基于BP神经网络的货叉偏载距离人工算法 | 第46-49页 |
| 4.2 基于BP神经网络的货叉负载重量检测研究 | 第49-53页 |
| 4.2.1 设置神经网络工具箱来训练数据 | 第50-51页 |
| 4.2.2 负载重量的BP神经网络人工算法 | 第51-53页 |
| 4.3 基于BP神经网络的货叉负载中心距检测研究 | 第53-60页 |
| 4.3.1 内门架起升前 | 第54-57页 |
| 4.3.2 内门架起升后 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 负载检测测试系统 | 第61-69页 |
| 5.1 堆高车辅助存取货控制系统 | 第61-64页 |
| 5.2 负载重量测试 | 第64-65页 |
| 5.3 负载中心距测试 | 第65-67页 |
| 5.4 负载偏载距离测试 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 攻读硕士学位期间论文发表及科研情况 | 第73-74页 |
| 致谢 | 第74-75页 |
