基于磁道钉导航的车道保持系统信息融合与控制技术研究
| 摘要(中英文) | 第1-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究背景及意义 | 第11-12页 |
| ·自动公路系统概论 | 第12-16页 |
| ·自动公路系统概念 | 第12-14页 |
| ·国外自动公路系统的定义 | 第12-14页 |
| ·我国ITS标准体系框架中自动公路系统的定义 | 第14页 |
| ·自动公路系统发展现状 | 第14-16页 |
| ·自动公路系统关键技术 | 第16-22页 |
| ·视觉信息的实时处理技术 | 第16页 |
| ·基于多传感器的信息融合技术 | 第16-17页 |
| ·定位、导航与控制技术 | 第17-22页 |
| ·视觉导航 | 第17-18页 |
| ·GPS导航 | 第18页 |
| ·磁信号导航 | 第18-22页 |
| ·课题的来源和背景 | 第22页 |
| ·论文的主要研究工作 | 第22-24页 |
| 第2章 车道保持系统结构设计 | 第24-39页 |
| ·概述 | 第24-26页 |
| ·道路导航装置-磁道钉的设计 | 第26-27页 |
| ·磁道钉磁能级实验 | 第26页 |
| ·磁道钉的外形设计 | 第26-27页 |
| ·车载系统设计 | 第27-38页 |
| ·车载传感器系统的研制 | 第28-34页 |
| ·车载传感器的工作原理 | 第28-30页 |
| ·车载传感器的设计与安装 | 第30-31页 |
| ·磁传感器性能测试 | 第31-34页 |
| ·工控机和步进电机的选择 | 第34页 |
| ·方向盘控制伺服机构 | 第34-37页 |
| ·车载系统电路图 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 车道保持系统信息融合技术与应用 | 第39-60页 |
| ·概述 | 第39-40页 |
| ·信息融合技术研究现状 | 第40-41页 |
| ·融合算法 | 第40页 |
| ·信息融合技术在车道保持系统中的应用现状 | 第40-41页 |
| ·车道保持系统信息源特点分析 | 第41-43页 |
| ·排序式信息融合方法的应用 | 第43-45页 |
| ·序列算法 | 第43页 |
| ·阵列算法 | 第43-44页 |
| ·序列算法与阵列算法的数学描述 | 第44-45页 |
| ·基于神经网络的多传感器信息融合模型 | 第45-57页 |
| ·车道保持系统应用神经网络的可行性 | 第46-47页 |
| ·神经网络结构和多层前向网络反向传播(BP)算法 | 第47-48页 |
| ·基于神经网络的系统辨识 | 第48-49页 |
| ·基于神经网络的信息融合模型的设计 | 第49-54页 |
| ·BP网络学习率的自适应调整 | 第54-55页 |
| ·网络训练 | 第55-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 车道保持控制模型研究 | 第60-89页 |
| ·概述 | 第60-62页 |
| ·PID控制方法 | 第60-61页 |
| ·模糊控制方法 | 第61页 |
| ·神经网络控制方法 | 第61页 |
| ·预描控制 | 第61-62页 |
| ·车道保持控制系统特点分析 | 第62-65页 |
| ·车辆横向闭环控制 | 第63-64页 |
| ·影响控制的相关因素 | 第64-65页 |
| ·模糊控制器的设计 | 第65-77页 |
| ·结构设计 | 第65-67页 |
| ·遗传算法确定变量等级参数 | 第67-73页 |
| ·变区域多层遗传算法的基本思想 | 第68-70页 |
| ·算法分析 | 第70-72页 |
| ·遗传编码 | 第72页 |
| ·适应度函数的确定 | 第72页 |
| ·遗传参数的选取 | 第72-73页 |
| ·模糊控制的实现 | 第73-75页 |
| ·模糊控制的稳定性分析 | 第75-77页 |
| ·弯道模糊控制器设计 | 第77-78页 |
| ·车辆弯道运行特性分析 | 第77-78页 |
| ·弯道模糊规则的确定 | 第78页 |
| ·转换开关--磁道钉编码 | 第78-83页 |
| ·磁道钉编码的重要意义 | 第78-79页 |
| ·磁道钉编码原理 | 第79-82页 |
| ·磁道钉编码信息结构设计 | 第82-83页 |
| ·现场实验结果分析 | 第83-88页 |
| ·本章小结 | 第88-89页 |
| 第5章 车道保持模糊神经网络控制研究 | 第89-110页 |
| ·概述 | 第89页 |
| ·汽车运动模型研究 | 第89-93页 |
| ·车道保持系统模糊神经网络控制器设计与应用 | 第93-105页 |
| ·模糊神经网络控制器基本结构 | 第93-94页 |
| ·模糊神经网络控制器结构设计 | 第94-95页 |
| ·基于遗传算法与BP相结合的网络训练 | 第95-98页 |
| ·编码 | 第97页 |
| ·适应度函数的确定 | 第97页 |
| ·遗传算子 | 第97-98页 |
| ·网络学习算法收敛性分析 | 第98-100页 |
| ·权值训练的实现 | 第100-102页 |
| ·控制效果仿真分析 | 第102-105页 |
| ·模糊神经网络控制器结构与参数的优化 | 第105-107页 |
| ·采用自组织竞争神经网络优化结构参数 | 第105-106页 |
| ·仿真结果分析 | 第106-107页 |
| ·车速对控制器的影响分析 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 第6章 车道保持系统在线学习控制研究 | 第110-121页 |
| ·概述 | 第110-113页 |
| ·学习控制研究现状 | 第110-112页 |
| ·本系统引入在线学习控制的意义 | 第112-113页 |
| ·模糊学习控制研究 | 第113-118页 |
| ·车道保持系统模糊学习控制器的设计 | 第113-116页 |
| ·仿真结果 | 第116-118页 |
| ·在线学习控制研究 | 第118-120页 |
| ·在线学习系统的一般结构 | 第118页 |
| ·自动公路车道保持系统的在线学习控制结构模型 | 第118-120页 |
| ·本章小结 | 第120-121页 |
| 第7章 结论与展望 | 第121-125页 |
| ·论文总结 | 第121-122页 |
| ·研究结论 | 第122页 |
| ·工作展望 | 第122-125页 |
| 参考文献 | 第125-134页 |
| 致谢 | 第134-135页 |
| 攻读博士学位期间完成的相关论文与参加的课题 | 第135-136页 |
