| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 高速公路动态称重系统的整体设计 | 第15-21页 |
| 2.1 动态称重系统设计原则 | 第15-16页 |
| 2.2 动态称重系统的组成与工作原理 | 第16-19页 |
| 2.2.1 动态称重系统的组成 | 第16-18页 |
| 2.2.2 动态称重原理 | 第18-19页 |
| 2.3 动态称重系统的布局与工作流程 | 第19-20页 |
| 2.3.1 动态称重系统布局 | 第19页 |
| 2.3.2 动态称重系统的工作流程 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 高速公路动态称重系统的误差分析 | 第21-30页 |
| 3.1 动态称重精度的干扰因素分析 | 第21-27页 |
| 3.1.1 车辆运动和动力分析概述 | 第21页 |
| 3.1.2 车辆整体运动分析 | 第21-22页 |
| 3.1.3 车辆动力载荷分析 | 第22-27页 |
| 3.2 动态称重过程中精度影响因素分析 | 第27-29页 |
| 3.2.1 动态精度影响因素分析 | 第27-28页 |
| 3.2.2 静态精度影响因素分析 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 高速公路动态称重数据采集与传输系统 | 第30-42页 |
| 4.1 称重传感器 | 第30-35页 |
| 4.1.1 称重传感器的选择 | 第30-32页 |
| 4.1.2 压电石英称重传感器 | 第32-34页 |
| 4.1.3 压电石英传感器阵列 | 第34-35页 |
| 4.2 高速公路动态称重数据采集系统方案设计 | 第35-39页 |
| 4.2.1 数据采集系统方案构建 | 第35-36页 |
| 4.2.2 数据采集系统硬件选择 | 第36-38页 |
| 4.2.3 采样频率确定 | 第38-39页 |
| 4.3 高速公路动态称重系统数据传输方案与抗干扰设计 | 第39-41页 |
| 4.3.1 动态称重系统的数据传输方案设计 | 第39-40页 |
| 4.3.2 动态称重系统抗干扰的必要性 | 第40页 |
| 4.3.3 动态称重系统抗干扰设计 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 高速公路动态称重系统数据处理的实例研究 | 第42-62页 |
| 5.1 数据预处理 | 第42-48页 |
| 5.1.1 小波分析概述 | 第42-44页 |
| 5.1.2 动态称重信号预处理方法 | 第44-45页 |
| 5.1.3 信号完整性分析 | 第45-46页 |
| 5.1.4 试验验证 | 第46-48页 |
| 5.2 基于RBF神经网络的动态称重处理 | 第48-54页 |
| 5.2.1 神经网络的基本概念 | 第48-49页 |
| 5.2.2 径向基函数网络模型 | 第49-51页 |
| 5.2.3 RBF神经网络的算法学习 | 第51-54页 |
| 5.3 RBF神经网络在动态称重技术中的应用 | 第54-60页 |
| 5.3.1 RBF神经网络在动态称重算法流程设计 | 第54-55页 |
| 5.3.2 RBF神经网络在动态称重算法程序设计 | 第55-57页 |
| 5.3.3 RBF神经网络在动态称重算法数据测试 | 第57-60页 |
| 5.4 RBF神经网络在动态称重的结论 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 结论 | 第62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |