| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·前言 | 第13-15页 |
| ·研究驾驶员模型的目的和意义 | 第13-14页 |
| ·建立高效而准确的驾驶员模型的必要性 | 第14-15页 |
| ·驾驶员模型的发展历史 | 第15-19页 |
| ·驾驶员传递函数模型 | 第15-16页 |
| ·驾驶员最优控制模型 | 第16页 |
| ·驾驶员模糊控制模型 | 第16-17页 |
| ·神经网络驾驶员模型 | 第17-18页 |
| ·其他类型的驾驶员模型 | 第18页 |
| ·目前驾驶员模型研究的不足 | 第18-19页 |
| ·本文的主要研究工作 | 第19-20页 |
| 第二章 人工神经网络和遗传算法理论 | 第20-26页 |
| ·人工神经网络理论 | 第20-22页 |
| ·人工神经网络的基础理论 | 第20页 |
| ·人工神经元模型 | 第20-21页 |
| ·人工神经网络的拓扑结构 | 第21-22页 |
| ·人工神经网络的工作过程 | 第22页 |
| ·反向传播网络（BP 网络）研究 | 第22-23页 |
| ·BP 网络 | 第22-23页 |
| ·BP 算法 | 第23页 |
| ·遗传算法（GA）理论 | 第23-26页 |
| ·遗传算法（GA）简介 | 第23-24页 |
| ·遗传算法优化BP 网络 | 第24-26页 |
| 第三章 预瞄优化人工神经网络驾驶员模型及闭环系统仿真 | 第26-43页 |
| ·人工神经网络驾驶员建模 | 第26-29页 |
| ·基本预瞄优化人工神经网络驾驶员模型 | 第26-27页 |
| ·简化的预瞄优化人工神经网络驾驶员模型 | 第27-29页 |
| ·驾驶员模型BP 网络设计 | 第29-31页 |
| ·BP 网络结构 | 第29-30页 |
| ·BP 改进算法 | 第30页 |
| ·GA 算法优化 BP 网络方法 | 第30-31页 |
| ·二自由度角输入车辆模型 | 第31-33页 |
| ·获取 BP 网络训练样本 | 第33-37页 |
| ·驾驶员-汽车闭环系统模型 | 第33-34页 |
| ·参数C_0 和T_c 的计算 | 第34-35页 |
| ·均匀设计法简介 | 第35-36页 |
| ·仿真试验训练样本的选取 | 第36-37页 |
| ·道路输入的数学模型 | 第37-39页 |
| ·单移线道路函数 | 第37-38页 |
| ·双移线道路函数 | 第38-39页 |
| ·蛇行线道路函数 | 第39页 |
| ·闭环系统仿真试验及结果分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 驾驶员模型在ADAMS 中的应用 | 第43-47页 |
| ·复杂车辆模型的参数辨识 | 第43-44页 |
| ·车辆参数的辨识方法 | 第43页 |
| ·典型信号的选取 | 第43-44页 |
| ·驾驶员模型在 ADAMS/Car 中的实施 | 第44-45页 |
| ·驾驶员-汽车闭环系统仿真 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 不同类型驾驶员参数的选择 | 第47-60页 |
| ·描述驾驶员驾驶特性的参数分析 | 第47-50页 |
| ·预瞄环节时间参数 | 第47-48页 |
| ·神经滞后环节时间参数 | 第48-49页 |
| ·惯性滞后环节时间参数 | 第49-50页 |
| ·驾驶员分类及其参数选择 | 第50-54页 |
| ·从生理学角度进行分类 | 第50-51页 |
| ·从心理素质角度进行分类 | 第51-53页 |
| ·结合身心因素进行分类 | 第53-54页 |
| ·不同类型驾驶员模型仿真试验 | 第54-59页 |
| ·不同类型驾驶员建模 | 第54页 |
| ·不同驾驶员操纵汽车的仿真结果 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的学术论文 | 第66页 |