基于多传感器信息融合的行驶工况判别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·行驶工况判别的一般步骤 | 第8-10页 |
| ·试验规划 | 第8-9页 |
| ·数据的采集 | 第9页 |
| ·数据的分析与处理 | 第9页 |
| ·行驶工况判别 | 第9-10页 |
| ·车辆道路行驶工况的国内外研究现状 | 第10-15页 |
| ·美国车辆道路行驶工况 | 第10-12页 |
| ·欧洲车辆道路行驶工况 | 第12-13页 |
| ·日本车辆道路行驶工况 | 第13-14页 |
| ·国内车辆道路行驶工况 | 第14-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 基于多传感器信息融合技术的参数提取 | 第17-25页 |
| ·多传感器信息融合技术研究 | 第17-19页 |
| ·多传感器信息融合技术简介 | 第17页 |
| ·多传感器信息处理体系结构 | 第17-19页 |
| ·多传感器信息融合方法 | 第19页 |
| ·试验规划与数据采集 | 第19-21页 |
| ·试验方法、试验道路、试验时间的确定 | 第19-20页 |
| ·试验车辆和驾驶员的确定 | 第20页 |
| ·采样频率的确定 | 第20页 |
| ·数据量的确定 | 第20-21页 |
| ·传感器的选取与特征参数的提取 | 第21-24页 |
| ·传感器的选取 | 第21页 |
| ·特征参数的提取 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 车辆行驶工况的分类与分析 | 第25-34页 |
| ·样本划分方法 | 第25页 |
| ·行驶工况分类 | 第25-30页 |
| ·市内拥堵与市内畅通工况的研究 | 第26-28页 |
| ·郊区与高速工况的研究 | 第28-30页 |
| ·数据单因素方差分析 | 第30-32页 |
| ·特征参数相关性分析 | 第32-33页 |
| ·本章总结 | 第33-34页 |
| 第四章 基于BP神经网络信息融合的行驶工况判别 | 第34-45页 |
| ·神经网络概述 | 第34-35页 |
| ·人工神经网络定义 | 第34页 |
| ·神经网络的工作方式 | 第34-35页 |
| ·BP神经网络 | 第35-37页 |
| ·BP神经网络结构 | 第35-36页 |
| ·BP神经网络的一般训练过程 | 第36-37页 |
| ·BP神经网络模型结构的参数确定 | 第37-40页 |
| ·BP神经网络输入层输出层神经元的确定 | 第38页 |
| ·BP神经网络隐藏层数和节点数的确定 | 第38-39页 |
| ·BP神经网络激活函数和训练算法选择 | 第39-40页 |
| ·BP神经网络行驶工况模型的训练和优化 | 第40-44页 |
| ·BP神经网络行驶工况模型的训练 | 第40-43页 |
| ·BP神经网络模型的优化 | 第43-44页 |
| ·本章总结 | 第44-45页 |
| 第五章 基于SOM神经网络的行驶工况判别 | 第45-51页 |
| ·SOM的基本原理 | 第45-46页 |
| ·Kohonen学习规则 | 第46-47页 |
| ·内星学习规则 | 第46-47页 |
| ·Kohonen学习规则 | 第47页 |
| ·SOM的学习算法 | 第47-49页 |
| ·基于SOM的行驶工况判别 | 第49-50页 |
| ·本章总结 | 第50-51页 |
| 第六章 结论 | 第51-52页 |
| ·论文总结 | 第51页 |
| ·工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介 | 第56页 |
| 攻读硕士学位期间研究成果 | 第56页 |
