| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 CAN 总线数据平台技术 | 第11-13页 |
| 1.2.2 人工神经网络技术 | 第13-15页 |
| 1.3 课题研究的内容 | 第15-17页 |
| 第2章 CAN 总线信息的提取 | 第17-20页 |
| 2.1 CAN 总线的报文格式 | 第17-18页 |
| 2.2 CAN 总线信息作图 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 汽车测试模型的确立 | 第20-23页 |
| 3.1 汽车构造简介 | 第20-21页 |
| 3.2 汽车加速度模型 | 第21-22页 |
| 3.3 发动机转速模型 | 第22页 |
| 3.4 汽车油耗模型 | 第22页 |
| 3.5 本章小结 | 第22-23页 |
| 第4章 神经网络的选取及其改进算法研究 | 第23-39页 |
| 4.1 BP 神经网络及其改进算法 | 第23-30页 |
| 4.1.1 BP 神经网络的基本结构 | 第24-25页 |
| 4.1.2 BP 学习算法 | 第25-27页 |
| 4.1.3 BP 学习算法的改进-LM 学习算法 | 第27-30页 |
| 4.2 RBF 神经网络及其改进算法 | 第30-35页 |
| 4.2.1 广义 RBF 学习算法 | 第31-34页 |
| 4.2.2 归一化 RBF 网络（NRBF） | 第34页 |
| 4.2.3 分类 RBF 网络 | 第34-35页 |
| 4.3 cascade 神经网络 | 第35-36页 |
| 4.4 神经网络的 MATLAB 编程实现 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 神经网络在汽车仿真测试系统中的应用分析 | 第39-56页 |
| 5.1 神经网络应用于加速度模型的数据融合 | 第39-47页 |
| 5.1.1 汽车加速度模型的数据初始化 | 第39-40页 |
| 5.1.2 汽车加速度模型的数据预处理 | 第40页 |
| 5.1.3 汽车加速度模型定阶 | 第40-41页 |
| 5.1.4 汽车加速度模型训练 | 第41-42页 |
| 5.1.5 汽车加速度模型测试 | 第42-43页 |
| 5.1.6 结果比较与分析 | 第43-44页 |
| 5.1.7 RBFNN 改进算法在汽车加速度模型中的应用 | 第44-46页 |
| 5.1.8 神经网络在汽车加速度模型中的应用小结 | 第46-47页 |
| 5.2 神经网络应用于发动机转速模型的数据融合 | 第47-51页 |
| 5.2.1 发动机转速模型的数据初始化及预处理 | 第47页 |
| 5.2.2 发动机转速模型的定阶 | 第47-48页 |
| 5.2.3 发动机转速模型的训练 | 第48页 |
| 5.2.4 发动机转速模型的测试 | 第48-49页 |
| 5.2.5 RBFNN 改进算法在发动机转速模型中的应用 | 第49-50页 |
| 5.2.6 结果比较与分析 | 第50-51页 |
| 5.3 神经网络应用于汽车油耗模型的数据融合 | 第51-55页 |
| 5.3.1 汽车油耗模型的数据初始化及预处理 | 第51页 |
| 5.3.2 汽车油耗模型的定阶 | 第51-52页 |
| 5.3.3 汽车油耗模型的训练 | 第52-53页 |
| 5.3.4 汽车油耗模型的测试 | 第53-54页 |
| 5.3.5 结果比较与分析 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| （一）已发表的学术论文 | 第61页 |
| （二）已参与的科研项目 | 第61-63页 |
| 致谢 | 第63页 |