| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 油气悬架特性与悬架控制 | 第10-14页 |
| 1.2.2 路况识别技术 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 第2章 油气悬架数学模型的建立与特性分析 | 第17-31页 |
| 2.1 油气悬架的工作原理 | 第17页 |
| 2.2 互联式油气悬架数学模型的建立及仿真验证 | 第17-27页 |
| 2.2.1 蓄能器数学模型 | 第18-19页 |
| 2.2.2 节流阀数学模型 | 第19页 |
| 2.2.3 单向阀数学模型 | 第19-20页 |
| 2.2.4 互联式油气悬架数学模型 | 第20-26页 |
| 2.2.5 仿真验证 | 第26-27页 |
| 2.3 油气悬架特性分析 | 第27-30页 |
| 2.3.1 刚度特性分析 | 第27-28页 |
| 2.3.2 阻尼特性分析 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 包含油气悬架系统的装载机虚拟样机模型建立及舒适性评价方法研究 | 第31-39页 |
| 3.1 建立路面模型 | 第31-34页 |
| 3.1.1 C级路面激励 | 第33页 |
| 3.1.2 D级路面激励 | 第33页 |
| 3.1.3 E级路面激励 | 第33-34页 |
| 3.2 包含油气悬架系统的轮式装载机虚拟样机模型建立 | 第34-36页 |
| 3.3 确定轮式装载机舒适性的表征参数及评价方法 | 第36-38页 |
| 3.3.1 轮式装载机舒适性表征参数 | 第36-37页 |
| 3.3.2 车辆舒适性评价方法 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于粒子群算法的轮式装载机油气悬架系统参数优化 | 第39-49页 |
| 4.1 基于Kriging模型建立车身加速度与悬架参数之间的响应关系 | 第39-43页 |
| 4.1.1 选取油气悬架参数样本点 | 第39-40页 |
| 4.1.2 不同路面激励及不同行驶速度下的响应计算 | 第40-41页 |
| 4.1.3 基于Kriging模型建立油气悬架参数关于振动加速度的近似响应面 | 第41-43页 |
| 4.2 基于粒子群算法的油气悬架系统参数优化分析 | 第43-48页 |
| 4.2.1 粒子群算法优化流程 | 第43页 |
| 4.2.2 优化模型建立 | 第43-44页 |
| 4.2.3 油气悬架系统参数优化结果分析 | 第44-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 轮式装载机油气悬架主动控制 | 第49-65页 |
| 5.1 基于学习向量量化神经网络的路况识别方法 | 第49-54页 |
| 5.1.1 学习向量量化(LVQ)神经网络 | 第49-50页 |
| 5.1.2 轮式装载机行驶路况识别方法 | 第50-54页 |
| 5.2 轮式装载机油气悬架模糊控制仿真分析 | 第54-56页 |
| 5.3 基于路况识别的轮式装载机油气悬架主动控制 | 第56-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 全文总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65页 |
| 6.2 全文展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 作者简介及主要科研成果 | 第73-75页 |
| 致谢 | 第75页 |
