第一章 绪论 | 第1-18页 |
·引言 | 第8页 |
·区域交通智能车辆(CyberCar)概述 | 第8-15页 |
·区域交通智能车辆系统(CyberCar System)研究内容 | 第9页 |
·区域交通智能车辆系统(CyberCar System)关键技术 | 第9-12页 |
·导航控制技术 | 第9-10页 |
·传感器信息融合技术 | 第10-11页 |
·通讯及其它辅助技术 | 第11-12页 |
·区域交通智能车辆(CyberCar)国内外发展现状 | 第12-15页 |
·国外CyberCar System 研究现状 | 第12-14页 |
·国内CyberCar System 研究现状 | 第14-15页 |
·车辆控制技术研究概况 | 第15-17页 |
·基于经典控制理论 | 第15-16页 |
·基于现代控制理论 | 第16页 |
·基于先进控制理论 | 第16-17页 |
·论文主要的研究工作 | 第17-18页 |
第二章 CyberCar 转向系统辨识与转向控制状态空间模型建立. | 第18-35页 |
·JLUIV-5 CyberCar 结构简介 | 第18-22页 |
·JLUIV-5 CyberCar 总体结构及组成 | 第18-19页 |
·单目视觉导航系统 | 第19-21页 |
·转向伺服系统 | 第21页 |
·制动伺服系统 | 第21-22页 |
·其它组成系统 | 第22页 |
·JLUIV-5 CyberCar 转向系统辨识 | 第22-32页 |
·转向系统静态特性描述 | 第23-24页 |
·转向系统阶跃输入响应 | 第24-26页 |
·辨识算法 | 第26-28页 |
·四阶M 序列辨识分析 | 第28-29页 |
·四阶逆M 序列分析 | 第29-31页 |
·四阶逆M 序列辨识结果及分析 | 第31-32页 |
·转向控制状态空间模型建立 | 第32-34页 |
·车辆预瞄运动学模型 | 第32-33页 |
·车辆二自由度动力学模型 | 第33页 |
·转向控制状态空间模型建立 | 第33-34页 |
·小结 | 第34-35页 |
第三章 CyberCar 最优控制器设计 | 第35-56页 |
·被控过程特性分析 | 第35-37页 |
·可控性与可观测性 | 第35-36页 |
·稳定性 | 第36-37页 |
·CyberCar 自主导航最优控制器设计 | 第37-52页 |
·最优控制器结构 | 第38-39页 |
·最优控制律的选取 | 第39-42页 |
·加权矩阵Q 和R 的选取 | 第42-45页 |
·加权矩阵Q 中qi 的选取 | 第45-46页 |
·最优预瞄距离L 的选择 | 第46-47页 |
·CyberCar 自主导航最优控制器的实现 | 第47-48页 |
·状态变量的获取 | 第47页 |
·最优控制器的实现 | 第47-48页 |
·Kalman 状态观测器设计 | 第48-52页 |
·Kalman 滤波原理 | 第49页 |
·Kalman 滤波模型建立 | 第49-51页 |
·Kalman 滤波计算流程图 | 第51-52页 |
·Kalman 滤波状态观测器仿真 | 第52页 |
·最优控制器仿真分析和试验验证 | 第52-55页 |
·本章小结 | 第55-56页 |
第四章 CyberCar 模糊控制器设计 | 第56-71页 |
·引言 | 第56-60页 |
·模糊控制概述 | 第56-59页 |
·模糊控制发展及应用 | 第56-58页 |
·模糊控制系统结构及其功能 | 第58-59页 |
·本文设计模糊控制器的必要性 | 第59-60页 |
·CyberCar 自主导航模糊控制器设计 | 第60-67页 |
·CyberCar 模糊控制器控制思想 | 第60-61页 |
·模糊化过程 | 第61-64页 |
·模糊控制器输入输出变量选取 | 第61页 |
·量化因子和比例因子的确定 | 第61-62页 |
·论域内模糊子集的定义 | 第62-64页 |
·模糊控制规则表的建立 | 第64-65页 |
·反模糊化过程 | 第65-67页 |
·模糊控制器仿真分析与实验验证 | 第67-70页 |
·仿真分析 | 第67-69页 |
·实验验证 | 第69-70页 |
·本章小结 | 第70-71页 |
第五章 控制器融合及试验 | 第71-77页 |
·控制器融合的必要性 | 第71页 |
·控制器的融合 | 第71-74页 |
·试验验证 | 第74-76页 |
·本章小结 | 第76-77页 |
第六章 全文总结 | 第77-79页 |
参考文献 | 第79-82页 |
摘要 | 第82-84页 |
ABSTRACT | 第84-87页 |
致谢 | 第87页 |