基于半主动悬架控制的车辆防侧翻研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-16页 |
| 1.2.1 悬架的分类及应用 | 第9-11页 |
| 1.2.2 半主动悬架控制策略 | 第11-13页 |
| 1.2.3 侧翻预警及控制 | 第13-16页 |
| 1.2.4 存在问题及研究意义 | 第16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 车辆半主动悬架模型的研究 | 第18-25页 |
| 2.1 悬架系统的评价指标 | 第18页 |
| 2.2 路面输入模型建立与仿真 | 第18-22页 |
| 2.2.1 路面不平度功率谱 | 第18-20页 |
| 2.2.2 空间与时间频率功率谱密度折算 | 第20页 |
| 2.2.3 随机路面激励时域模型的建立与仿真 | 第20-22页 |
| 2.3 车辆悬架系统的建模 | 第22-23页 |
| 2.3.1 被动悬架的动力学模型 | 第22页 |
| 2.3.2 半主动悬架的动力学模型 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 车辆侧翻模型建模及验证 | 第25-36页 |
| 3.1 七自由度整车半主动悬架建模 | 第25-30页 |
| 3.1.1 轮胎侧向动力学分析 | 第25-26页 |
| 3.1.2 模型假设及微分方程 | 第26-29页 |
| 3.1.3 整车模型仿真 | 第29-30页 |
| 3.2 整车天棚控制器构建 | 第30-31页 |
| 3.3 车辆模型的Carsim仿真验证 | 第31-35页 |
| 3.3.1 Carsim软件介绍 | 第32-33页 |
| 3.3.2 侧翻动力学模型验证 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 车辆侧翻预警算法的研究 | 第36-41页 |
| 4.1 侧翻预警系统 | 第36-38页 |
| 4.1.1 预测系统分类及概述 | 第36-37页 |
| 4.1.2 车辆侧翻指标的选取 | 第37页 |
| 4.1.3 侧翻预警原理结构 | 第37-38页 |
| 4.2 侧翻预警仿真 | 第38-40页 |
| 4.2.1 阶跃转向工况 | 第38-39页 |
| 4.2.2 避障转向工况 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 侧翻控制及仿真 | 第41-56页 |
| 5.1 BP神经网络模型结构及原理 | 第41-48页 |
| 5.1.1 BP神经网络神经元模型与网络结构 | 第41-43页 |
| 5.1.2 BP神经网络算法 | 第43-45页 |
| 5.1.3 BP神经网络的设计和参数确定 | 第45-46页 |
| 5.1.4 BP神经网络控制模块建立 | 第46-48页 |
| 5.2 极限学习机的基本理论 | 第48-53页 |
| 5.2.1 ELM的机构及原理 | 第49-50页 |
| 5.2.2 ELM的算法及运用 | 第50-52页 |
| 5.2.3 ELM控制模块建立 | 第52-53页 |
| 5.3 ELM与BP神经网络的比较 | 第53-54页 |
| 5.4 七自由度车辆控制仿真 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 联合仿真控制 | 第56-62页 |
| 6.1 联合仿真简述 | 第56页 |
| 6.2 基于神经网络控制的联合仿真 | 第56-58页 |
| 6.2.1 导入Carsim模型 | 第56-57页 |
| 6.2.2 联合仿真模型的建立 | 第57页 |
| 6.2.3 仿真结果及分析 | 第57-58页 |
| 6.3 基于神经网络和天棚切换控制的联合仿真 | 第58-61页 |
| 6.4 本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 7.1 主要工作及创新 | 第62页 |
| 7.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 附录A:状态方程 | 第69-73页 |
