自适应迭代学习控制在列车自动驾驶系统中的应用
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-32页 |
| 1.1 选题研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究文献综述 | 第14-28页 |
| 1.2.1 列车自动驾驶系统综述 | 第14-17页 |
| 1.2.2 自适应迭代学习控制综述 | 第17-26页 |
| 1.2.3 研究文献综述小结 | 第26-28页 |
| 1.3 主要工作和结构安排 | 第28-32页 |
| 1.3.1 论文主要工作内容 | 第28-29页 |
| 1.3.2 论文结构安排 | 第29-32页 |
| 2 外部扰动下的高速列车自适应迭代学习控制 | 第32-64页 |
| 2.1 概述 | 第32-33页 |
| 2.2 列车动力学模型分析 | 第33-37页 |
| 2.3 外部扰动下的自适应迭代学习控制算法 | 第37-51页 |
| 2.3.1 参数化模型的自适应迭代学习控制 | 第37-43页 |
| 2.3.2 非参数化模型的自适应迭代学习控制 | 第43-51页 |
| 2.4 算例分析 | 第51-63页 |
| 2.4.1 仿真环境设置 | 第51-52页 |
| 2.4.2 参数化模型的自适应迭代学习控制 | 第52-56页 |
| 2.4.3 非参数化模型的自适应迭代学习控制 | 第56-60页 |
| 2.4.4 实例分析 | 第60-63页 |
| 2.5 本章小结 | 第63-64页 |
| 3 受限状态下的高速列车自适应迭代学习控制 | 第64-96页 |
| 3.1 概述 | 第64-65页 |
| 3.2 受限状态下的自适应迭代学习控制算法 | 第65-73页 |
| 3.2.1 问题描述 | 第65-67页 |
| 3.2.2 控制器设计 | 第67-69页 |
| 3.2.3 收敛性分析 | 第69-73页 |
| 3.3 初态误差下的自适应迭代学习控制算法 | 第73-82页 |
| 3.3.1 问题描述 | 第73-74页 |
| 3.3.2 控制器设计 | 第74-77页 |
| 3.3.3 收敛性分析 | 第77-82页 |
| 3.4 算例分析 | 第82-93页 |
| 3.4.1 仿真环境设置 | 第82-83页 |
| 3.4.2 受限状态下的AILC算法仿真 | 第83-88页 |
| 3.4.3 初态误差下的AILC算法仿真 | 第88-91页 |
| 3.4.4 实例分析 | 第91-93页 |
| 3.5 本章小结 | 第93-96页 |
| 4 误差非一致性跟踪的高速列车自适应迭代学习控制 | 第96-114页 |
| 4.1 概述 | 第96-97页 |
| 4.2 问题描述 | 第97-99页 |
| 4.3 控制器设计 | 第99-100页 |
| 4.4 收敛性分析 | 第100-106页 |
| 4.5 算例分析 | 第106-111页 |
| 4.5.1 仿真算例分析 | 第106-110页 |
| 4.5.2 实例分析 | 第110-111页 |
| 4.6 本章小结 | 第111-114页 |
| 5 总结与展望 | 第114-120页 |
| 5.1 总结 | 第114-116页 |
| 5.2 主要创新点 | 第116-117页 |
| 5.3 待进一步解决的问题 | 第117-120页 |
| 参考文献 | 第120-130页 |
| 图索引 | 第130-132页 |
| 表索引 | 第132-134页 |
| 作者简历及攻读博士学位期间取得的科研成果 | 第134-136页 |
| 学位论文数据集 | 第136页 |
