汽车试验方案和工况自动识别方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及工程需求 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题工程需求 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 1.3.1 汽车试验辅助试验系统概述 | 第14-15页 |
| 1.3.2 任务分解及课题提出 | 第15-16页 |
| 1.4 论文的组织与章节安排 | 第16-17页 |
| 第2章 模式识别方法研究现状及选择 | 第17-29页 |
| 2.1 模式识别概述 | 第17-19页 |
| 2.1.1 数据采集及预处理 | 第18页 |
| 2.1.2 特征生成 | 第18-19页 |
| 2.1.3 特征提取与选择 | 第19页 |
| 2.1.4 识别分类 | 第19页 |
| 2.1.5 分类器设计 | 第19页 |
| 2.2 模式识别方法分类 | 第19-22页 |
| 2.2.1 有监督学习与无监督学习 | 第20页 |
| 2.2.2 鉴别模型与产生式模型 | 第20-21页 |
| 2.2.3 典型的模式识别方法 | 第21-22页 |
| 2.3 鉴别模型 | 第22-23页 |
| 2.4 产生式模型 | 第23-26页 |
| 2.4.1 贝叶斯决策理论 | 第24页 |
| 2.4.2 高斯分布贝叶斯分类器 | 第24-25页 |
| 2.4.3 隐含马尔科夫模型 | 第25-26页 |
| 2.5 模式识别方法选择 | 第26-27页 |
| 2.6 小结 | 第27-29页 |
| 第3章 隐含马尔科夫模型及参数优化 | 第29-61页 |
| 3.1 离散马尔科夫过程 | 第29-30页 |
| 3.2 隐含马尔科夫过程 | 第30-42页 |
| 3.2.1 HMM模型参数 | 第31-33页 |
| 3.2.2 HMM的三个基本问题 | 第33-40页 |
| 3.2.3 HMM结构 | 第40-42页 |
| 3.3 HMM模型比例因子 | 第42-45页 |
| 3.4 多观察序列的HMM模型 | 第45-46页 |
| 3.5 优化算法的选择 | 第46-48页 |
| 3.6 克隆选择算法 | 第48-59页 |
| 3.6.1 克隆选择原理 | 第48-49页 |
| 3.6.2 基本克隆选择算法 | 第49-51页 |
| 3.6.3 免疫网络克隆优化算法 | 第51-57页 |
| 3.6.4 编码方式 | 第57-59页 |
| 3.7 小结 | 第59-61页 |
| 第4章 试验信号数据处理 | 第61-77页 |
| 4.1 试验信号特征分析 | 第61-65页 |
| 4.1.1 汉字字形特征分析 | 第61-63页 |
| 4.1.2 试验信号特征分析 | 第63-65页 |
| 4.2 试验信号预处理 | 第65-73页 |
| 4.2.1 试验信号频域分析 | 第66-68页 |
| 4.2.2 试验信号平滑处理 | 第68-73页 |
| 4.3 试验信号观察量选取 | 第73-75页 |
| 4.4 小结 | 第75-77页 |
| 第5章 汽车试验方案和工况自动识别实现 | 第77-97页 |
| 5.1 汽车试验方案和工况自动识别技术路线 | 第77-81页 |
| 5.1.1 数据预处理 | 第78-79页 |
| 5.1.2 试验工况模型库 | 第79-80页 |
| 5.1.3 HMM模式识别方法 | 第80-81页 |
| 5.2 模型验证 | 第81-84页 |
| 5.3 模型参数训练结果 | 第84-89页 |
| 5.4 试验方案和工况识别结果 | 第89-91页 |
| 5.5 汽车试验方案和工况自动识别在线实现 | 第91-96页 |
| 5.6 小结 | 第96-97页 |
| 第6章 总结与展望 | 第97-99页 |
| 6.1 全文总结 | 第97页 |
| 6.2 未来展望 | 第97-99页 |
| 参考文献 | 第99-105页 |
| 致谢 | 第105页 |
