基于神经网络的半挂汽车列车稳定性控制研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题的研究背景及意义 | 第7页 |
| 1.1.1 课题背景 | 第7页 |
| 1.1.2 课题意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 国外研究现状 | 第7-9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 本文研究的主要内容 | 第10-11页 |
| 第二章 半挂汽车列车非线性动力学模型 | 第11-19页 |
| 2.1 横摆、侧倾稳定性分析 | 第11-12页 |
| 2.1.1 横摆稳定性 | 第11页 |
| 2.1.2 侧倾稳定性 | 第11-12页 |
| 2.2 轮胎模型 | 第12-14页 |
| 2.3 半挂汽车列车平面参考模型 | 第14-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 神经网络结构及算法 | 第19-30页 |
| 3.1 神经网络简介 | 第19页 |
| 3.2 人工神经元模型 | 第19-21页 |
| 3.3 BP神经网络模型结构及其原理 | 第21-24页 |
| 3.3.1 BP神经网络模型结构 | 第21-22页 |
| 3.3.2 BP神经网络模型原理 | 第22-24页 |
| 3.4 神经网络的学习规则 | 第24-25页 |
| 3.5 BP神经网络学习算法的有关改进 | 第25-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 系统辨识和控制器设计 | 第30-40页 |
| 4.1 系统辨识概述 | 第30页 |
| 4.2 车辆模型的BP网络辨识 | 第30-36页 |
| 4.2.1 系统辨识原理 | 第30-31页 |
| 4.2.2 数据采集 | 第31页 |
| 4.2.3 训练数据预处理 | 第31-32页 |
| 4.2.4 BP神经网络算法的选择 | 第32-33页 |
| 4.2.5 BP神经网络参数的确定 | 第33-36页 |
| 4.3 神经网络控制器（NNC）的设计 | 第36-39页 |
| 4.3.1 NNC的原理 | 第36-37页 |
| 4.3.2 NNC的训练与后轮转向控制策略 | 第37-38页 |
| 4.3.3 NNC网络的设计 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 Trucksim与Matlab联合仿真 | 第40-49页 |
| 5.1 TruckSim简介 | 第40-41页 |
| 5.2 稳定性仿真分析 | 第41-48页 |
| 5.2.1 高附着系数路面 | 第41-44页 |
| 5.2.2 低附着系数路面 | 第44-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 6.1 论文总结 | 第49页 |
| 6.2 后期展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介 | 第54页 |
| 攻读硕士学位期间研究成果 | 第54页 |
