| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 课题研究的背景和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 分布式驱动电动汽车状态参数估计研究现状 | 第9-10页 |
| 1.3.2 “人-车-路”系统研究现状 | 第10-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 基于非线性滤波理论的汽车估计状态研究 | 第13-21页 |
| 2.1 卡尔曼滤波技术概述 | 第13页 |
| 2.2 经典卡尔曼滤波技术 | 第13-16页 |
| 2.3 拓展卡尔曼滤波(EKF) | 第16-17页 |
| 2.4 无迹卡尔曼滤波 | 第17-20页 |
| 2.4.1 UKF滤波概述 | 第17-18页 |
| 2.4.2 无损变换理论 | 第18页 |
| 2.4.3 UKF滤波流程 | 第18-20页 |
| 2.5 非线线性滤波技术在汽车领域的运用 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 基于人-车-路系统下分布式驱动电动汽车动力学模型建立 | 第21-37页 |
| 3.1 车辆各子系统的耦合分析 | 第21-24页 |
| 3.2 整车非线性动力学模型的建立 | 第24-28页 |
| 3.3 基于肌肉神经反馈的驾驶员模型建立 | 第28-30页 |
| 3.4 轮胎模型 | 第30-34页 |
| 3.4.1 线性、非线性轮胎模型 | 第31-32页 |
| 3.4.2 魔术轮胎模型 | 第32-34页 |
| 3.5 虚拟仿真验证 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于EKF的车辆附着系数的估计研究 | 第37-50页 |
| 4.1 车辆附着系数 | 第37-40页 |
| 4.1.1 车辆附着系数的概念 | 第37页 |
| 4.1.2 路面附着系数估计简介 | 第37-38页 |
| 4.1.3 Dugoff轮胎模型 | 第38-39页 |
| 4.1.4 基于EKF的附着系数估计 | 第39-40页 |
| 4.2 基于Carsim&Simulink联合仿真验证 | 第40-49页 |
| 4.2.1 Carsim简介 | 第40-43页 |
| 4.2.2 路面附着系数估计器设计 | 第43-44页 |
| 4.2.3 虚拟试验仿真结果 | 第44-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 基于ISTUKF的整车行驶状态参数的估计 | 第50-60页 |
| 5.1 基于非线性估计理论的ISTUKF | 第50-54页 |
| 5.1.1 改进UKF算法 | 第50-52页 |
| 5.1.2 强跟踪滤波思想(STF) | 第52页 |
| 5.1.3 强跟踪下改进无迹卡尔曼算法实现 | 第52-54页 |
| 5.2 ISTUKF算法在汽车状态参数估计中的应用 | 第54-59页 |
| 5.3 本章小节 | 第59-60页 |
| 第六章 全文总结与展望 | 第60-62页 |
| 6.1 全文总结及创新点 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读学位期间研究成果 | 第68-69页 |
| 致谢 | 第69页 |
