| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第13-23页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状分析 | 第14-19页 |
| 1.2.1 混合动力汽车发展现状 | 第14-15页 |
| 1.2.2 能量管理策略发展现状 | 第15-19页 |
| 1.3 课题研究思路 | 第19-20页 |
| 1.4 论文内容及安排 | 第20-23页 |
| 第2章 车辆模型与基本方法 | 第23-43页 |
| 2.1 车辆建模 | 第23-30页 |
| 2.2 最优化能量管理问题 | 第30-33页 |
| 2.3 基于动态规划的能量管理 | 第33-36页 |
| 2.4 硬件在环实验平台搭建 | 第36-39页 |
| 2.5 实验结果 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第3章 基于随机动态规划的能量管理策略 | 第43-57页 |
| 3.1 随机最优问题建模 | 第43-44页 |
| 3.2 基于随机动态规划方法的能量管理策略 | 第44-48页 |
| 3.2.1 马尔可夫链 | 第44-45页 |
| 3.2.2 驾驶员需求转矩的马尔可夫链模型 | 第45-46页 |
| 3.2.3 随机动态规划法 | 第46-47页 |
| 3.2.4 随机动态规划的计算方法 | 第47-48页 |
| 3.3 实验结果 | 第48-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 基于正交小波基神经元动态规划的能量管理策略 | 第57-77页 |
| 4.1 近似最优问题建模 | 第57-58页 |
| 4.2 正交基小波神经网络 | 第58-65页 |
| 4.2.1 小波变换理论 | 第58-59页 |
| 4.2.2 小波神经网络 | 第59-60页 |
| 4.2.3 函数的多分辨分析理论 | 第60-62页 |
| 4.2.4 正交小波基神经网络 | 第62-65页 |
| 4.3 基于正交小波基神经元动态规划方法的能量管理策略 | 第65-68页 |
| 4.3.1 评价网络 | 第66页 |
| 4.3.2 动作网络 | 第66-67页 |
| 4.3.3 算法流程 | 第67-68页 |
| 4.4 实验结果 | 第68-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第5章 基于随机模型预测控制的能量管理策略 | 第77-91页 |
| 5.1 问题描述 | 第77-78页 |
| 5.2 基于随机模型预测控制的能量管理策略 | 第78-83页 |
| 5.2.1 预测模型 | 第78-80页 |
| 5.2.2 反馈校正 | 第80页 |
| 5.2.3 滚动优化 | 第80-83页 |
| 5.3 实验结果 | 第83-87页 |
| 5.4 几种能量管理策略比较 | 第87-89页 |
| 5.5 本章小结 | 第89-91页 |
| 第6章 总结 | 第91-95页 |
| 6.1 全文总结 | 第91-92页 |
| 6.2 论文创新点 | 第92页 |
| 6.3 研究展望 | 第92-95页 |
| 参考文献 | 第95-101页 |
| 致谢 | 第101-102页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第102-103页 |