转向盘转角特性在驾驶疲劳检测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 引言 | 第9-27页 |
| ·研究背景和意义 | 第9-11页 |
| ·驾驶疲劳概述 | 第11-12页 |
| ·驾驶疲劳的定义 | 第11页 |
| ·驾驶疲劳的表现 | 第11页 |
| ·驾驶疲劳的原因 | 第11-12页 |
| ·驾驶疲劳检测方法研究综述 | 第12-17页 |
| ·驾驶疲劳检测概述 | 第12页 |
| ·驾驶疲劳主观检测方法 | 第12-13页 |
| ·驾驶疲劳客观检测方法 | 第13-17页 |
| ·通过监测驾驶员的生理信号来检测驾驶疲劳 | 第13-14页 |
| ·通过监测驾驶员的生理反应特征来检测驾驶疲劳 | 第14-16页 |
| ·通过监测车辆的参数来检测驾驶疲劳 | 第16-17页 |
| ·驾驶疲劳预警系统开发状况综述 | 第17-24页 |
| ·基于驾驶员生理信号监测的预警系统 | 第17页 |
| ·基于驾驶员生理反应特征监测的预警系统 | 第17-20页 |
| ·基于车辆参数监测的预警系统 | 第20-21页 |
| ·基于多种特性参数监测的预警系统 | 第21-24页 |
| ·驾驶疲劳检测方法研究存在的问题 | 第24-25页 |
| ·研究方法和主要内容 | 第25-26页 |
| ·研究方法 | 第25页 |
| ·主要内容 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 2 人工神经网络基本理论 | 第27-41页 |
| ·人工神经网络概述 | 第27-32页 |
| ·生物学基础 | 第27-29页 |
| ·生物神经元的结构 | 第27-28页 |
| ·生物神经元的功能和特点 | 第28-29页 |
| ·人工神经元模型 | 第29-30页 |
| ·神经网络结构 | 第30页 |
| ·神经网络学习 | 第30-32页 |
| ·学习方式 | 第30-31页 |
| ·学习规则 | 第31-32页 |
| ·BP神经网络 | 第32-40页 |
| ·BP神经网络结构 | 第32-33页 |
| ·BP算法的数学描述和实现步骤 | 第33-36页 |
| ·数学描述 | 第33-36页 |
| ·实现步骤 | 第36页 |
| ·BP算法的不足和改进 | 第36-40页 |
| ·本章小节 | 第40-41页 |
| 3 汽车行驶试验及数据分析 | 第41-55页 |
| ·汽车行驶试验 | 第42-46页 |
| ·试验目的 | 第42页 |
| ·试验设备 | 第42-45页 |
| ·试验用车 | 第42页 |
| ·转向盘转角采集装置 | 第42-44页 |
| ·数据采集系统 | 第44-45页 |
| ·试验人员 | 第45页 |
| ·试验路段 | 第45页 |
| ·试验时间 | 第45页 |
| ·试验过程 | 第45-46页 |
| ·试验数据处理与分析 | 第46-53页 |
| ·主观疲劳评价数据 | 第46-47页 |
| ·转向盘转角数据 | 第47-49页 |
| ·转角与电压的关系 | 第47-48页 |
| ·滤波 | 第48-49页 |
| ·角速度 | 第49页 |
| ·典型数据分析 | 第49-53页 |
| ·典型数据 | 第49-51页 |
| ·驾驶状态分类指标 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 4 基于BP神经网络的驾驶疲劳检测建模研究 | 第55-71页 |
| ·BP神经网络和驾驶疲劳检测的结合 | 第55-56页 |
| ·BP神经网络应用于驾驶疲劳检测的可行性 | 第55-56页 |
| ·BP神经网络在驾驶疲劳检测中的应用 | 第56页 |
| ·基于BP神经网络驾驶疲劳检测模型的建立 | 第56-62页 |
| ·驾驶状态数据处理 | 第56-58页 |
| ·样本数据 | 第58-59页 |
| ·数据的选取 | 第58页 |
| ·数据的预处理 | 第58-59页 |
| ·网络结构设计 | 第59-60页 |
| ·网络层数的设计 | 第59页 |
| ·隐层节点数的设计 | 第59-60页 |
| ·激活函数的选取 | 第60页 |
| ·网络的训练 | 第60-62页 |
| ·训练算法的确定 | 第60-61页 |
| ·训练参数的选取 | 第61-62页 |
| ·仿真实验和结果分析 | 第62-70页 |
| ·MATLAB软件及其神经网络工具箱简介 | 第62-63页 |
| ·仿真实验 | 第63-68页 |
| ·主要程序 | 第63-64页 |
| ·隐层节点数确定实验 | 第64-65页 |
| ·训练算法确定实验 | 第65-68页 |
| ·实验结果和分析 | 第68-70页 |
| ·本章小节 | 第70-71页 |
| 5 遗传算法优化BP神经网络研究 | 第71-87页 |
| ·遗传算法 | 第71-75页 |
| ·基本思想 | 第71-72页 |
| ·理论基础 | 第72页 |
| ·基本要素 | 第72-73页 |
| ·参数编码 | 第72页 |
| ·初始种群 | 第72-73页 |
| ·适应度函数 | 第73页 |
| ·遗传操作 | 第73页 |
| ·控制参数 | 第73页 |
| ·基本流程 | 第73-75页 |
| ·基本特点 | 第75页 |
| ·遗传算法和BP神经网络的结合 | 第75-77页 |
| ·概述 | 第75页 |
| ·遗传算法优化BP神经网络的连接权值 | 第75-77页 |
| ·遗传算法方案设计 | 第77-80页 |
| ·编码设计 | 第77页 |
| ·初始种群设定 | 第77-78页 |
| ·适应度函数设计 | 第78页 |
| ·遗传算子设计 | 第78-79页 |
| ·选择算子 | 第78页 |
| ·交叉算子 | 第78-79页 |
| ·变异算子 | 第79页 |
| ·控制参数设定 | 第79-80页 |
| ·仿真实验和结果分析 | 第80-85页 |
| ·仿真实验 | 第80-82页 |
| ·主要程序 | 第80-81页 |
| ·初始种群数目确定实验 | 第81-82页 |
| ·实验结果和分析 | 第82-85页 |
| ·本章小节 | 第85-87页 |
| 6 结论和展望 | 第87-89页 |
| ·主要结论 | 第87-88页 |
| ·工作展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 个人简介 | 第93-95页 |
| 导师简介 | 第95-97页 |
| 获得成果目录清单 | 第97-99页 |
| 致谢 | 第99页 |
