| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 四轮独立驱动电动汽车运动控制研究现状 | 第9-10页 |
| 1.2.2 时滞动力系统概述与相关研究 | 第10-11页 |
| 1.2.3 时滞对车辆操纵稳定性的影响与考虑车载网络时滞的控制算法研究现状 | 第11-12页 |
| 1.3 论文研究内容及意义 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 四轮独立驱动电动汽车动力学模型 | 第14-20页 |
| 2.1 整车运动模型 | 第14-16页 |
| 2.1.1 地面坐标系与车身坐标系 | 第14-15页 |
| 2.1.2 整车动力学模型 | 第15-16页 |
| 2.2 轮胎模型 | 第16-18页 |
| 2.2.1 轮胎滚动模型 | 第16页 |
| 2.2.2 轮胎侧偏角和纵向滑移率 | 第16-17页 |
| 2.2.3 轮胎模型 | 第17-18页 |
| 2.3 电机系统模型 | 第18-19页 |
| 2.3.1 电机模型 | 第18页 |
| 2.3.2 电机控制模块 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 四轮独立驱动电动汽车车载网络实时性能分析 | 第20-31页 |
| 3.1 四轮独立驱动电动汽车控制域电气电子架构 | 第20-22页 |
| 3.2 CAN总线协议 | 第22-27页 |
| 3.2.1 CAN总线物理层协议简介 | 第22-23页 |
| 3.2.2 CAN总线传输层协议简介 | 第23-25页 |
| 3.2.3 CAN总线对象层协议简介 | 第25-26页 |
| 3.2.4 报文与报文优先级列表 | 第26-27页 |
| 3.3 四轮独立驱动电动汽车车载网络系统实时性分析 | 第27-30页 |
| 3.3.1 总线负载率 | 第28页 |
| 3.3.2 最长延迟时间 | 第28-29页 |
| 3.3.3 车载网络控制系统实时性能 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 四轮独立驱动电动汽车多状态感知方法 | 第31-49页 |
| 4.1 人类感觉运动系统分析 | 第31-33页 |
| 4.1.1 中枢神经系统与状态感知 | 第31-33页 |
| 4.1.2 前向模型学习 | 第33页 |
| 4.2 深度模块递归神经网络学习前向模型 | 第33-39页 |
| 4.2.1 深度模块递归神经网络 | 第34-35页 |
| 4.2.2 深度模块递归神经网络的学习方法 | 第35-37页 |
| 4.2.3 用于车辆运动状态预测的深度模块递归神经网络架构 | 第37-38页 |
| 4.2.4 训练细节 | 第38-39页 |
| 4.3 无迹卡尔曼滤波器与预测器 | 第39-44页 |
| 4.3.1 贝叶斯滤波器的相关研究 | 第40-41页 |
| 4.3.2 无迹卡尔曼滤波器 | 第41-43页 |
| 4.3.3 无迹卡尔曼预测器 | 第43-44页 |
| 4.4 仿真结果与分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于状态预测的四轮独立驱动电动汽车横摆力矩调节 | 第49-62页 |
| 5.1 车辆匀速转向横摆角速度控制器设计 | 第49-54页 |
| 5.1.1 控制目标 | 第50-52页 |
| 5.1.2 附加横摆力矩控制 | 第52-53页 |
| 5.1.3 纵向力控制 | 第53-54页 |
| 5.1.4 驱动力分配 | 第54页 |
| 5.2 仿真结果与分析 | 第54-61页 |
| 5.2.1 车载网络延时与传感器噪声对滑模控制器性能的影响 | 第55-58页 |
| 5.2.2 状态感知联合二阶滑模控制器性能仿真结果 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简介 | 第70页 |
