中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第9-17页 |
1.1 研究背景 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.3 研究现状分析 | 第12-13页 |
1.4 课题的提出及研究意义 | 第13-14页 |
1.5 研究内容及论文结构 | 第14-15页 |
1.6 本章小结 | 第15-17页 |
2 研究方案及关键问题 | 第17-27页 |
2.1 基于OPENXC的车载数据平台概述 | 第17-18页 |
2.1.1 OpenXC概述 | 第17-18页 |
2.1.2 基于OpenXC平台的数据采集 | 第18页 |
2.2 OPENXC车辆状态数据特征分析 | 第18-22页 |
2.2.1 OpenXC的数据内容和格式 | 第18-20页 |
2.2.2 OpenXC的数据特征 | 第20-22页 |
2.3 道路坡度估计的研究思路 | 第22-24页 |
2.4 道路坡度估计的关键问题 | 第24-25页 |
2.5 本章小结 | 第25-27页 |
3 基于模糊自适应扩展卡尔曼滤波的坡度实时估计 | 第27-45页 |
3.1 引言 | 第27页 |
3.2 车辆纵向动力学建模 | 第27-29页 |
3.2.1 车辆驱动力与行驶阻力 | 第27-29页 |
3.2.2 道路坡度与OpenXC数据的关系模型 | 第29页 |
3.3 扩展卡尔曼滤波算法 | 第29-32页 |
3.3.1 常规EKF算法简介 | 第30-32页 |
3.3.2 常规EKF算法在道路坡度估计中存在的问题 | 第32页 |
3.4 基于模糊自适应EKF的坡度估计模型 | 第32-37页 |
3.4.1 模糊自适应EKF算法设计 | 第33-35页 |
3.4.2 坡度估计算法实现 | 第35-37页 |
3.5 基于CARSIM平台的坡度估计算法验证 | 第37-44页 |
3.5.1 CarSim仿真平台简介 | 第37-38页 |
3.5.2 仿真设置 | 第38-39页 |
3.5.3 结果分析 | 第39-44页 |
3.6 本章小结 | 第44-45页 |
4 考虑制动工况的坡度估计方法 | 第45-55页 |
4.1 引言 | 第45页 |
4.2 制动性能分析 | 第45-47页 |
4.2.1 制动工况下的车辆受力分析 | 第45-46页 |
4.2.2 制动工况的行驶特性分析 | 第46-47页 |
4.3 基于自回归预测模型的短程坡度估计 | 第47-51页 |
4.3.1 自回归预测模型 | 第48-49页 |
4.3.2 基于自回归模型的短程坡度估计 | 第49-51页 |
4.4 方法验证及结果分析 | 第51-53页 |
4.4.1 仿真设置 | 第51-52页 |
4.4.2 结果分析 | 第52-53页 |
4.5 本章小结 | 第53-55页 |
5 影响坡度估计的关键因素分析与修正方法 | 第55-63页 |
5.1 引言 | 第55页 |
5.2 影响坡度估计的关键因素分析 | 第55-57页 |
5.2.1 数据异常对坡度估计的影响 | 第55-56页 |
5.2.2 不同车辆负载对坡度估计的影响 | 第56-57页 |
5.3 车载异常数据的预处理 | 第57-60页 |
5.3.1 基于滑动窗口的k-means算法数据异常检测 | 第57-60页 |
5.3.2 异常数据修正方法 | 第60页 |
5.4 基于车辆负载变化下的坡度估计修正 | 第60-61页 |
5.5 本章小结 | 第61-63页 |
6 基于OPENXC的实车实验数据验证与分析 | 第63-73页 |
6.1 引言 | 第63页 |
6.2 基于GPS的路段坡度标定 | 第63-65页 |
6.2.1 实车实验平台搭建 | 第63页 |
6.2.2 基于GPS的路段行驶轨迹和坡度标定 | 第63-65页 |
6.3 实验结果与分析 | 第65-71页 |
6.3.1 无制动工况下的坡度估计结果分析 | 第65-67页 |
6.3.2 综合工况下的坡度估计结果分析 | 第67-71页 |
6.4 本章小结 | 第71-73页 |
7 总结与展望 | 第73-75页 |
7.1 总结 | 第73-74页 |
7.2 展望 | 第74-75页 |
致谢 | 第75-77页 |
参考文献 | 第77-81页 |
附录 | 第81页 |
A. 作者在攻读硕士学位期间发表论文 | 第81页 |
B. 作者在攻读硕士学位期间公开的发明专利 | 第81页 |
C. 作者在攻读硕士学位期间参与的科研项目 | 第81页 |