| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景和意义 | 第9页 |
| ·国内外研究动态 | 第9-10页 |
| ·智能控制技术的发展和应用 | 第10-16页 |
| ·模糊系统的发展和应用 | 第10-12页 |
| ·模糊系统和神经网络结合技术的发展和应用 | 第12-15页 |
| ·PID的发展和应用 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第二章 PID控制和ANFIS基本理论 | 第17-30页 |
| ·PID控制基本原理 | 第17-19页 |
| ·PID控制 | 第17-18页 |
| ·PID算法 | 第18-19页 |
| ·ANFIS基本原理 | 第19-26页 |
| ·自适应网络结构 | 第19-20页 |
| ·自适应网络训练算法 | 第20-24页 |
| ·自适应模糊神经推理系统 | 第24-26页 |
| ·BP算法的改进方法 | 第26-30页 |
| ·动量附加法 | 第26页 |
| ·弹性BP法 | 第26-27页 |
| ·自适应学习率 | 第27页 |
| ·拟牛顿法 | 第27-28页 |
| ·Levenberg-Marquart法 | 第28页 |
| ·共轭梯度法 | 第28-30页 |
| 第三章 车辆自动驾驶横向控制方法研究 | 第30-49页 |
| ·基于ANFIS的控制模型 | 第30-36页 |
| ·ANFIS的控制模型结构 | 第30-32页 |
| ·ANFIS的控制模型训练算法 | 第32-36页 |
| ·基于神经网络的自适应PID控制模型 | 第36-46页 |
| ·神经网络理论 | 第36-37页 |
| ·单神经元自适应PID控制模型 | 第37-39页 |
| ·BP神经网络PID自适应控制模型 | 第39-43页 |
| ·小脑神经网络(CMAC)控制模型 | 第43-45页 |
| ·基于CMAC的BP神经网络自适应控制模型 | 第45-46页 |
| ·复合模糊神经网络PID控制模型 | 第46-49页 |
| ·复合控制模型描述 | 第46-47页 |
| ·复合控制模型设计 | 第47-49页 |
| 第四章 车辆横向控制的仿真计算 | 第49-60页 |
| ·汽车动力学系统的仿真模型 | 第49-53页 |
| ·七自由度汽车动力学模型 | 第49-52页 |
| ·十七自由度汽车动力学模型 | 第52-53页 |
| ·基于MATLAB的仿真环境 | 第53-55页 |
| ·MATLAB简介 | 第53页 |
| ·MATLAB语言特点及工作环境 | 第53-54页 |
| ·MATLAB环境下运用SIMULINK建立汽车模型 | 第54-55页 |
| ·单神经元PID控制模型的仿真 | 第55-56页 |
| ·单神经元PID控制模型仿真计算 | 第55-56页 |
| ·仿真结果分析 | 第56页 |
| ·单独ANFIS控制模型的仿真 | 第56-58页 |
| ·ANFIS模型仿真计算 | 第56-58页 |
| ·仿真结果分析 | 第58页 |
| ·复合模糊神经网络PID控制模型的仿真 | 第58-59页 |
| ·复合控制模型仿真计算 | 第58-59页 |
| ·仿真结果分析 | 第59页 |
| ·仿真结果小结 | 第59-60页 |
| 第五章 结论 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |