| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 背景介绍 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 智能车自动倒车控制方法研究现状 | 第12-13页 |
| 1.2.2 基于邻域系统的智能车自动倒车控制方法 | 第13-14页 |
| 1.2.3 多目标优化问题 | 第14-15页 |
| 1.3 本文研究方法和结构安排 | 第15-17页 |
| 1.3.1 本文的主要研究方法和内容 | 第15页 |
| 1.3.2 本文主要结构安排 | 第15-17页 |
| 第2章 多目标优化 | 第17-23页 |
| 2.1 基本概念 | 第17页 |
| 2.2 多目标优化问题的最优解 | 第17-19页 |
| 2.3 多目标优化问题的求解方法 | 第19-22页 |
| 2.3.1 直接法 | 第20页 |
| 2.3.2 间接法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于软集合的多目标软优化 | 第23-32页 |
| 3.1 软集合 | 第23页 |
| 3.2 软集与优化问题 | 第23-29页 |
| 3.3 软优化问题求解 | 第29-32页 |
| 3.3.1 有限可行解基 | 第29-30页 |
| 3.3.2 格点Pareto最优可行解的确定 | 第30页 |
| 3.3.3 决策方法确定 | 第30-32页 |
| 第4章 软优化下智能车可行邻域选取 | 第32-38页 |
| 4.1 基本概念 | 第32-34页 |
| 4.1.1 可行邻域 | 第32-33页 |
| 4.1.2 邻域系统 | 第33-34页 |
| 4.1.3 基于邻域系统的动态决策模型 | 第34页 |
| 4.2 可行邻域的选取 | 第34-38页 |
| 4.2.1 软指标体系与软优化模型的建立 | 第35-36页 |
| 4.2.2 格点Pareto最优可行邻域的求解 | 第36-37页 |
| 4.2.3 满意可行邻域确定 | 第37-38页 |
| 第5章 可行邻域控制规则及综合控制算法设计 | 第38-50页 |
| 5.1 车辆动态行驶系统分析 | 第38-41页 |
| 5.1.1 车辆运动学模型的数学描述 | 第38页 |
| 5.1.2 车辆动态模型的单调性分析 | 第38-40页 |
| 5.1.3 低速环境下可行邻域内智能车移动特性分析 | 第40-41页 |
| 5.2 可行邻域内智能车控制算法 | 第41-43页 |
| 5.2.1 软指标建立 | 第41-42页 |
| 5.2.2 邻域内满意控制轨迹选取 | 第42-43页 |
| 5.3 标准倒车规则确定与综合控制规则设计 | 第43-50页 |
| 5.3.1 综合目标函数 | 第43-48页 |
| 5.3.2 标准控制规则 | 第48-49页 |
| 5.3.3 综合控制算法 | 第49-50页 |
| 第6章 仿真实验 | 第50-55页 |
| 6.1 车辆动态仿真模型 | 第50页 |
| 6.2 仿真实验及结果分析 | 第50-54页 |
| 6.2.1 标准控制规则 | 第50-51页 |
| 6.2.2 倒车入库仿真结果 | 第51-54页 |
| 6.3 与其他控制算法的对比 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第61页 |