| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 换挡策略研究现状 | 第11-12页 |
| 1.2.2 换挡过程控制研究现状 | 第12-13页 |
| 1.3 存在问题及解决方法 | 第13-14页 |
| 1.3.1 DCT换挡过程存在问题 | 第13-14页 |
| 1.3.2 基于集成学习的自动换档方法 | 第14页 |
| 1.3.3 基于智能优化算法的换档过程控制 | 第14页 |
| 1.4 主要研究内容及论文构成 | 第14-16页 |
| 第二章 DCT换档过程分析及控制方案 | 第16-24页 |
| 2.1 DCT工作过程分析 | 第16-22页 |
| 2.1.1 DCT结构及原理 | 第17-18页 |
| 2.1.2 DCT换挡过程分析 | 第18-20页 |
| 2.1.3 DCT控制目标 | 第20-22页 |
| 2.2 DCT自动变速系统 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于神经遗传算法的DCT智能换挡策略 | 第24-41页 |
| 3.1 算法原理 | 第24-27页 |
| 3.1.1 遗传神经网络的换挡策略 | 第25-26页 |
| 3.1.2 集成学习DCT智能换挡方法 | 第26-27页 |
| 3.2 神经网络算子的设计 | 第27-30页 |
| 3.2.1 隐层的设计 | 第27-28页 |
| 3.2.2 输入和输出节点的选取 | 第28-29页 |
| 3.2.3 隐层神经元数目的选择 | 第29页 |
| 3.2.4 BP神经网络学习方式的设计 | 第29-30页 |
| 3.3 遗传算子的设计 | 第30-37页 |
| 3.3.1 数据的编码表示 | 第32-33页 |
| 3.3.2 选择策略 | 第33页 |
| 3.3.3 变异策略 | 第33-34页 |
| 3.3.4 杂交策略 | 第34-35页 |
| 3.3.5 适应度函数 | 第35-37页 |
| 3.4 AdaBoost算法设计 | 第37-40页 |
| 3.4.1 基于AdaBoost的模型集成学习算法原理 | 第37-39页 |
| 3.4.2 模型权重计算 | 第39页 |
| 3.4.3 样本权重计算 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于模拟退火算法的DCT换挡过程控制 | 第41-50页 |
| 4.1 模拟退火算法原理及实现步骤 | 第41-43页 |
| 4.1.1 模拟退火算法原理 | 第41-42页 |
| 4.1.2 模拟退火算法实现步骤 | 第42-43页 |
| 4.2 模拟退火算法实现 | 第43-48页 |
| 4.2.1 数据的编码表示 | 第44页 |
| 4.2.2 目标函数建立 | 第44-45页 |
| 4.2.3 参数和算子选取 | 第45-48页 |
| 4.3 基于Logistic映射的扰动算法改进 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 系统实现与仿真实验 | 第50-60页 |
| 5.1 控制系统结构 | 第50-51页 |
| 5.1.1 硬件结构 | 第50-51页 |
| 5.1.2 软件结构 | 第51页 |
| 5.2 软件实现 | 第51-54页 |
| 5.2.1 智能换挡识别子系统的实现 | 第52-53页 |
| 5.2.2 DCT换挡过程控制子系统的实现 | 第53-54页 |
| 5.3 算法仿真与分析 | 第54-59页 |
| 5.3.1 仿真实验方案 | 第54-55页 |
| 5.3.2 仿真实验分析 | 第55-59页 |
| 5.4 小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67-68页 |
| 致谢 | 第68页 |