| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 车辆悬架技术现状 | 第10-15页 |
| 1.1.1 被动悬架 | 第10-11页 |
| 1.1.2 半主动悬架 | 第11-12页 |
| 1.1.3 主动悬架 | 第12-13页 |
| 1.1.4 主动悬架的控制方法 | 第13-15页 |
| 1.2 主动悬架技术的国内外研究现状及发展趋势 | 第15-17页 |
| 1.2.1 主动悬架的国内外研究现状 | 第15-16页 |
| 1.2.2 主动悬架的发展趋势 | 第16-17页 |
| 1.3 本论文选题的目的意义 | 第17页 |
| 1.4 研究的主要内容 | 第17-19页 |
| 第二章 悬架系统的虚拟样机及性能评估指标 | 第19-33页 |
| 2.1 路面不平度数学模型 | 第19-23页 |
| 2.1.1 路面激励和空间频率功率谱 | 第19-21页 |
| 2.1.2 时间频率功率谱描述 | 第21页 |
| 2.1.3 路面随机不平度时域模型的建立 | 第21-23页 |
| 2.2 悬架的动力学模型 | 第23-26页 |
| 2.2.1 被动悬架动力学模型 | 第23-25页 |
| 2.2.2 主动悬架动力学模型 | 第25-26页 |
| 2.3 悬架的虚拟样机 | 第26-31页 |
| 2.3.1 悬架模型的基本假设和简化 | 第28页 |
| 2.3.2 悬架模型的建模步骤 | 第28-31页 |
| 2.4 悬架系统的性能评价指标 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 主动悬架模糊PID控制策略研究 | 第33-48页 |
| 3.1 PID控制 | 第33-35页 |
| 3.1.1 PID控制概述 | 第33-34页 |
| 3.1.2 主动悬架PID控制系统的设计 | 第34-35页 |
| 3.2 模糊控制概述 | 第35-38页 |
| 3.2.1 模糊控制的理论基础 | 第36页 |
| 3.2.2 模糊控制系统的结构 | 第36-37页 |
| 3.2.3 模糊控制系统的特点 | 第37-38页 |
| 3.3 主动悬架模糊-PID控制器设计 | 第38-43页 |
| 3.3.1 模糊-PID控制系统的原理 | 第38-39页 |
| 3.3.2 主动悬架模糊-PID控制系统的设计 | 第39-43页 |
| 3.4 带修正因子的模糊PID控制器设计 | 第43-47页 |
| 3.4.1 带修正因子的模糊PID控制系统的原理 | 第43-44页 |
| 3.4.2 推理规则 | 第44-46页 |
| 3.4.3 控制器建模 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 主动悬架神经网络控制策略研究 | 第48-62页 |
| 4.1 神经网络控制概述 | 第48-51页 |
| 4.1.1 神经元数学模型 | 第48-49页 |
| 4.1.2 神经网络的学习方式和学习规则 | 第49-50页 |
| 4.1.3 神经网络控制的特点 | 第50-51页 |
| 4.2 单神经元自适应PID控制器 | 第51-52页 |
| 4.3 基于悬架系统在线辨识的神经网络控制 | 第52-61页 |
| 4.3.1 神经网络辨识器 | 第53-58页 |
| 4.3.2 神经PID控制器 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 ADAMS和MATLAB联合仿真及结果分析 | 第62-72页 |
| 5.1 联合仿真概述 | 第62页 |
| 5.2 仿真采样周期的确定 | 第62-63页 |
| 5.3 仿真结果分析 | 第63-71页 |
| 5.3.1 PID及模糊PID仿真结果分析 | 第63-70页 |
| 5.3.2 单神经元控制与神经网络控制仿真结果分析 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 论文总结 | 第72-73页 |
| 研究展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读学位期间取得的成果 | 第77-78页 |
| 致谢 | 第78页 |