| 摘要 | 第2-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究的背景意义 | 第8页 |
| 1.2 汽车悬架系统概述 | 第8-14页 |
| 1.2.1 悬架的分类标准 | 第10-13页 |
| 1.2.2 悬架的研究现状 | 第13-14页 |
| 1.3 磁流变阻尼器的研究现状 | 第14-15页 |
| 1.4 半主动悬架系统的控制方法 | 第15-16页 |
| 1.5 论文研究内容及章节安排 | 第16-18页 |
| 1.5.1 研究内容 | 第16-17页 |
| 1.5.2 章节安排 | 第17-18页 |
| 2 汽车半主动悬架系统动力学建模 | 第18-33页 |
| 2.1 悬架的固有特性 | 第18页 |
| 2.2 悬架系统的性能评价指标 | 第18-19页 |
| 2.3 路面激励模型的建立 | 第19-26页 |
| 2.3.1 连续不平路面的数学模型 | 第20-24页 |
| 2.3.2 离散不平路面的物理模型 | 第24-26页 |
| 2.4 1/4半主动悬架系统建模 | 第26-28页 |
| 2.5 整车半主动悬架系统建模 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 磁流变阻尼器逆向模型研究 | 第33-59页 |
| 3.1 磁流变阻尼器的滞回特性分析 | 第33-39页 |
| 3.1.1 磁流变阻尼器的原理 | 第33-34页 |
| 3.1.2 磁流变阻尼器参数化正向模型 | 第34-39页 |
| 3.2 基于BP神经网络的磁流变阻尼器逆向模型 | 第39-48页 |
| 3.2.1 BP神经网络简述 | 第39-41页 |
| 3.2.2 逆向模型的建立方法 | 第41-48页 |
| 3.3 遗传算法优化BP神经网络的磁流变阻尼器逆向模型 | 第48-55页 |
| 3.3.1 遗传算法简述 | 第49页 |
| 3.3.2 逆向模型的遗传算法优化 | 第49-52页 |
| 3.3.3 遗传优化网络训练及测试 | 第52-55页 |
| 3.4 逆向模型的半主动悬架实验验证 | 第55-58页 |
| 3.4.1 连续不平路面输入下的实验验证 | 第56-57页 |
| 3.4.2 离散不平路面输入下的实验验证 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 汽车半主动悬架整车协调控制算法 | 第59-73页 |
| 4.1 整车协调控制总述 | 第59-60页 |
| 4.2 半主动悬架的模糊PID控制 | 第60-66页 |
| 4.2.1 模糊PID控制理论 | 第60-63页 |
| 4.2.2 模糊PID的半主动悬架系统控制 | 第63-66页 |
| 4.3 力协调器的设计 | 第66-70页 |
| 4.3.1 整车协调控制研究 | 第67页 |
| 4.3.2 力协调器的设计 | 第67-70页 |
| 4.4 转向判断策略 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 5 系统实验分析 | 第73-84页 |
| 5.1 连续不平路面下的验证分析 | 第74-76页 |
| 5.2 离散不平路面下的验证分析 | 第76-79页 |
| 5.3 不同等级路面下速度对整车性能的影响分析 | 第79-83页 |
| 5.3.1 B级路面下速度对整车性能的影响 | 第79-81页 |
| 5.3.2 C级路面下速度对整车性能的影响 | 第81-83页 |
| 5.4 本章小结 | 第83-84页 |
| 6 结论 | 第84-86页 |
| 6.1 全文总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间发表的论文 | 第90-91页 |
| 致谢 | 第91-93页 |