| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 论文研究背景与意义 | 第11-12页 |
| 1.2 电动轮自卸车发展现状及趋势 | 第12-14页 |
| 1.3 轮胎垂向振动模型研究现状 | 第14-17页 |
| 1.4 本文研究内容 | 第17-19页 |
| 第2章 轮胎滚动接触研究及模型建立 | 第19-30页 |
| 2.1 轮胎物理模型简化 | 第19-22页 |
| 2.1.1 轮胎基本结构 | 第19-20页 |
| 2.1.2 轮胎模型简化原则 | 第20-22页 |
| 2.2 轮胎滚动接触垂向振动建模 | 第22-27页 |
| 2.2.1 轮胎单元与路面接触判据 | 第22-24页 |
| 2.2.2 胎面单元振动分析 | 第24-26页 |
| 2.2.3 轮辋-带束单元振动分析 | 第26-27页 |
| 2.2.4 胎面与轮辋-带束单元振动建模 | 第27页 |
| 2.3 基于MATLAB/Simulink的仿真建模 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 电动轮自卸车行驶试验与数据处理 | 第30-48页 |
| 3.1 电动轮自卸车脉冲工况行驶试验 | 第30-40页 |
| 3.1.1 脉冲工况行驶试验设计 | 第30-32页 |
| 3.1.2 试验设备、测点的布置及数据采集 | 第32-34页 |
| 3.1.3 脉冲工况结果分析 | 第34-40页 |
| 3.2 基于小波变换的去噪方法 | 第40-44页 |
| 3.2.1 小波阈值去噪的原理 | 第41-42页 |
| 3.2.2 阈值的选取 | 第42-43页 |
| 3.2.3 小波阈值系数处理 | 第43-44页 |
| 3.3 试验数据去噪 | 第44-47页 |
| 3.3.1 db小波函数 | 第44-45页 |
| 3.3.2 信号去噪及结果分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于AIA-RBF神经网络的辨识方法研究 | 第48-57页 |
| 4.1 径向基函数神经网络的原理 | 第48-51页 |
| 4.1.1 径向基函数神经元模型 | 第48-49页 |
| 4.1.2 径向基神经网络模型 | 第49-50页 |
| 4.1.3 RBF网络学习算法 | 第50-51页 |
| 4.1.4 RBF神经网络优缺点 | 第51页 |
| 4.2 人工免疫算法的原理 | 第51-54页 |
| 4.3 改进RBF神经网络及辨识策略研究 | 第54-56页 |
| 4.3.1 人工免疫算法优化RBF神经网络 | 第54-55页 |
| 4.3.2 辨识模型建模策略研究 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 RCTire模型的振动特性参数辨识及验证 | 第57-73页 |
| 5.1 简化整车脉冲工况仿真建模 | 第57-60页 |
| 5.1.1 非线性油气弹簧数学建模 | 第57-59页 |
| 5.1.2 四分之一整车脉冲工况仿真建模 | 第59-60页 |
| 5.2 辨识模型的建立与结果分析 | 第60-66页 |
| 5.2.1 训练样本的采集 | 第60-63页 |
| 5.2.2 辨识模型的建立 | 第63-64页 |
| 5.2.3 辨识结果分析 | 第64-66页 |
| 5.3 RCTire模型验证 | 第66-72页 |
| 5.3.1 轮胎滚动动刚度虚拟试验验证 | 第66-67页 |
| 5.3.2 整车垂向动力学建模及试验验证 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第80页 |