| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题提出的背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 动态称重系统存在的问题与发展趋势 | 第15-16页 |
| 1.4 本文所做的工作 | 第16-17页 |
| 1.5 本文的结构安排 | 第17-19页 |
| 第二章 汽车动态称重系统的构成及运动状态分析 | 第19-29页 |
| 2.1 汽车动态称重系统的构成与工作原理 | 第19-24页 |
| 2.1.1 动态轴重式汽车衡的组成 | 第19-23页 |
| 2.1.2 汽车动态称重系统的工作过程 | 第23-24页 |
| 2.2 汽车的整体运动分析 | 第24-26页 |
| 2.3 汽车的振动分析 | 第26-27页 |
| 2.4 汽车驶入秤台的动态分析 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 汽车动态称重信号的分析与数据处理 | 第29-39页 |
| 3.1 汽车称重信号分析 | 第29-34页 |
| 3.1.1 汽车实际称重信号分析 | 第29-30页 |
| 3.1.2 汽车实际采样波形分析 | 第30-34页 |
| 3.2 汽车动态称重几种数据处理方法概述 | 第34-37页 |
| 3.2.1 ADC DV V法 | 第34-35页 |
| 3.2.2 基于取平均法思想的方法 | 第35页 |
| 3.2.3 智能算法 | 第35-37页 |
| 3.3 数据预处理 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于BP神经网络的动态称重系统数据处理模型的建立 | 第39-65页 |
| 4.1 人工神经网络 | 第39-42页 |
| 4.1.1 神经网络的简介 | 第39页 |
| 4.1.2 神经网络发展历程 | 第39-41页 |
| 4.1.3 神经网络的基本内容 | 第41-42页 |
| 4.2 BP神经网络的基本原理 | 第42-48页 |
| 4.2.1 BP算法的实现 | 第43-44页 |
| 4.2.2 正向传播 | 第44页 |
| 4.2.3 反向传播 | 第44-48页 |
| 4.3 输入的确定 | 第48-54页 |
| 4.3.1 差值实验 | 第48-52页 |
| 4.3.2 速度实验 | 第52-54页 |
| 4.3.3 动态称重采集样本的预处理 | 第54页 |
| 4.4 隐层和输出层的确定 | 第54-56页 |
| 4.4.1 隐层的确定 | 第54-56页 |
| 4.4.2 输出层的确定 | 第56页 |
| 4.5 网络的训练 | 第56-62页 |
| 4.5.1 传递函数的确定 | 第56-57页 |
| 4.5.2 训练函数的确定 | 第57-59页 |
| 4.5.3 学习函数的确定 | 第59-61页 |
| 4.5.4 误差函数的确定 | 第61-62页 |
| 4.5.5 初始权值的确定 | 第62页 |
| 4.6 BP网络存在的缺陷及改进 | 第62-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 神经网络在动态称重系统数据处理中的实现 | 第65-73页 |
| 5.1 动态称重系统的BP神经网络建模 | 第65-66页 |
| 5.2 基于MATLAB的BP神经网络训练 | 第66-67页 |
| 5.3 BP算法在动态称重系统中的实验 | 第67-72页 |
| 5.3.1 神经网络训练 | 第67-69页 |
| 5.3.2 泛化能力验证 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录1 BP神经网络训练主程序 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士学位期间发表的论文 | 第87页 |