| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-13页 |
| 1.2 国内外发展现状 | 第13-17页 |
| 1.2.1 基于马尔科夫链的混合动力电动汽车的优化控制 | 第14-15页 |
| 1.2.2 基于马尔科夫链的行驶工况随机性生成 | 第15-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 第2章 车辆驾驶员需求功率马尔科夫链模型 | 第19-29页 |
| 2.1 马尔科夫链基本概念 | 第19-20页 |
| 2.1.1 马尔科夫性质 | 第19页 |
| 2.1.2 马尔科夫链 | 第19页 |
| 2.1.3 转移概率矩阵 | 第19-20页 |
| 2.2 马尔科夫链驾驶员需求功率模型 | 第20-27页 |
| 2.2.1 一维马尔科夫链模型 | 第20-22页 |
| 2.2.2 考虑车速的二维马尔科夫链模型 | 第22-23页 |
| 2.2.3 考虑转向角速度及转向功率的三维马尔科夫链模型—履带车辆 | 第23-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 转移概率矩阵离线统计及在线更新 | 第29-39页 |
| 3.1 转移概率矩阵的离线统计方法及平滑处理 | 第29-32页 |
| 3.1.1 转移概率矩阵的离线统计方法 | 第29-30页 |
| 3.1.2 转移概率矩阵平滑处理 | 第30-32页 |
| 3.2 转移概率矩阵在线更新方法 | 第32-35页 |
| 3.2.1 在线更新算法 | 第32-34页 |
| 3.2.2 评判指标—Kullback-Leibler差异率 | 第34-35页 |
| 3.3 转移概率矩阵在线更新算例 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于在线更新转移概率矩阵的状态预测 | 第39-50页 |
| 4.1 最邻近法和模糊编码法 | 第39-40页 |
| 4.2 基于在线更新的转移概率矩阵的状态预测 | 第40-43页 |
| 4.2.1 基于最邻近法的在线更新转移概率矩阵状态预测 | 第40页 |
| 4.2.2 基于模糊编码法的在线更新转移概率矩阵状态预测 | 第40-43页 |
| 4.3 算例—车速及需求功率预测 | 第43-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于随机动态规划的自适应控制策略研究 | 第50-68页 |
| 5.1 混合动力履带车辆建模及优化问题的建立 | 第50-55页 |
| 5.1.1 发动机-发电机组模型 | 第50-51页 |
| 5.1.2 电池建模 | 第51-53页 |
| 5.1.3 混合动力履带车辆电功率耦合模型分析 | 第53-55页 |
| 5.2 随机动态规划 | 第55-60页 |
| 5.2.1 基本术语简介 | 第55-57页 |
| 5.2.2 随机动态规划求解算法—策略迭代 | 第57-58页 |
| 5.2.3 最优控制策略的解算 | 第58-60页 |
| 5.3 基于随机动态规划的自适应控制策略研究 | 第60-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 本文总结 | 第68-69页 |
| 本文创新之处 | 第69页 |
| 工作展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间发表论文与研究成果清单 | 第75-77页 |
| 致谢 | 第77页 |
