| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 路面不平度识别的研究现状 | 第13-15页 |
| 1.2.2 多源信息融合理论的发展现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-19页 |
| 第2章 面向特征参数的路面建模仿真 | 第19-35页 |
| 2.1 车辆系统振动分析 | 第19-24页 |
| 2.1.1 信号振动源分析 | 第19-22页 |
| 2.1.2 车辆系统振动响应分析 | 第22-23页 |
| 2.1.3 信号波动及特征提取 | 第23-24页 |
| 2.2 面向特征参数的路面建模 | 第24-30页 |
| 2.2.1 路面不平度数学模型 | 第25-26页 |
| 2.2.2 分级不平度路面建模 | 第26-28页 |
| 2.2.3 基于Carsim的路面特征提取方法建模 | 第28-30页 |
| 2.3 仿真试验及结果分析 | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 多源信息采集与信号特征分析 | 第35-51页 |
| 3.1 试验道路特点分析 | 第36-37页 |
| 3.2 多源信息采集 | 第37-49页 |
| 3.2.1 传感器信号采集 | 第38-40页 |
| 3.2.2 振动信息提取 | 第40-43页 |
| 3.2.3 时域特征提取 | 第43-45页 |
| 3.2.4 频域特征提取 | 第45-48页 |
| 3.2.5 时频域特征提取 | 第48-49页 |
| 3.3 本章小结 | 第49-51页 |
| 第4章 基于多源信息融合的不平路类型识别策略研究 | 第51-75页 |
| 4.1 多源信息融合 | 第51-53页 |
| 4.1.1 信息融合级别 | 第51-52页 |
| 4.1.2 多源信息融合常用方法 | 第52-53页 |
| 4.2 基于BP神经网络算法的特征融合 | 第53-56页 |
| 4.2.1 BP神经网络介绍 | 第53-54页 |
| 4.2.2 BP神经网络建模 | 第54-56页 |
| 4.3 特征参数及不平路类型聚类分析 | 第56-71页 |
| 4.3.1 特征参数聚类分析 | 第57-61页 |
| 4.3.2 不平路类型聚类分析 | 第61-71页 |
| 4.4 不平路类型识别策略设计 | 第71-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 基于实车实验数据的识别算法原型仿真 | 第75-85页 |
| 5.1 不平路类型识别算法仿真平台 | 第75-76页 |
| 5.2 不平路类型识别算法原型搭建 | 第76-79页 |
| 5.2.1 数据特征计算模块搭建 | 第76-77页 |
| 5.2.2 识别策略模型搭建 | 第77-78页 |
| 5.2.3 不平路类型识别算法仿真平台搭建 | 第78-79页 |
| 5.3 道路试验工况设计及仿真结果分析 | 第79-83页 |
| 5.4 本章小结 | 第83-85页 |
| 第6章 全文总结与展望 | 第85-87页 |
| 6.1 全文总结 | 第85-86页 |
| 6.2 研究展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 作者简介及在学期间所取得的科研成果 | 第93-95页 |
| 致谢 | 第95页 |