基于BP神经网络四轮转向控制技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·研究的背景及意义 | 第8-9页 |
| ·四轮转向原理简介 | 第9-10页 |
| ·四轮转向控制技术的国内外研究现状 | 第10-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 四轮转向车辆的动力学模型 | 第16-27页 |
| ·前轮转向车辆线性二自由度模型 | 第16-18页 |
| ·四轮转向车辆线性二自由度模型 | 第18-20页 |
| ·四轮转向车辆三自由度线性模型的建立 | 第20-23页 |
| ·基于ADAMS/Car的整车复杂模型的建立 | 第23-26页 |
| ·前悬架系统模型的建立 | 第23-24页 |
| ·后悬架系统模型的建立 | 第24-25页 |
| ·轮胎系统模型 | 第25-26页 |
| ·4WS整车模型的建立 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 神经网络结构及算法 | 第27-37页 |
| ·人工神经网络概述 | 第27页 |
| ·神经元模型 | 第27-28页 |
| ·人工神经网络的拓扑结构 | 第28-29页 |
| ·BP神经网络结构及原理 | 第29-33页 |
| ·BP神经网络结构 | 第29-30页 |
| ·BP神经网络的学习规则 | 第30-33页 |
| ·BP网络算法的有关改进 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 非线性车辆模型的系统辨识 | 第37-50页 |
| ·系统辨识概述 | 第37页 |
| ·4WS模型的BP网络辨识 | 第37-47页 |
| ·非线性车辆模型系统辨识的原理 | 第38页 |
| ·训练样本的获取 | 第38-39页 |
| ·训练数据预处理 | 第39-40页 |
| ·BP神经网络算法的选择 | 第40-42页 |
| ·BP神经网络参数的确定 | 第42-43页 |
| ·初始权值的选择 | 第43页 |
| ·隐层神经元个数的确定 | 第43-46页 |
| ·训练次数和学习速率的确定 | 第46-47页 |
| ·网络识别结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 四轮转向车辆控制比较研究与分析 | 第50-61页 |
| ·神经网络控制器(NNC)的设计 | 第50-52页 |
| ·NNC的控制原理 | 第50-51页 |
| ·NNC的训练 | 第51页 |
| ·NNC网络的设计 | 第51-52页 |
| ·前后轮转角比例控制的四轮转向系统 | 第52-55页 |
| ·比例于前轮转角的四轮转向 | 第52-53页 |
| ·后轮相对于前轮转角的变比例控制 | 第53-55页 |
| ·四轮转向车辆控制方法的比较研究 | 第55-60页 |
| ·二自由度四轮转向模型与NNI模型的比较 | 第55-56页 |
| ·四轮转向比例控制与神经网络控制的比较研究 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-70页 |
| 致谢 | 第70页 |
