| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 轮胎力学研究的意义 | 第8页 |
| 1．2 国内外轮胎力学研究状况 | 第8-12页 |
| 1．2．1 轮胎力学的一般理论模型 | 第8-10页 |
| 1．2．2 轮胎纵滑与侧滑联合工况下的理论和半经验模型 | 第10-11页 |
| 1．2．3 轮胎力学的半经验模型 | 第11-12页 |
| 1．3 本课题研究的主要内容及研究方法 | 第12-13页 |
| 1．3．1 本课题研究的主要内容 | 第12页 |
| 1．3．2 本课题采用的研究方法 | 第12-13页 |
| 第二章 轮胎力学理论及其数学模型 | 第13-25页 |
| 2．1 轮胎的受力及运动状态 | 第13-19页 |
| 2．1．1 轮胎的坐标系 | 第13-14页 |
| 2．1．2 侧偏力、回正力矩与侧偏角的关系 | 第14-15页 |
| 2．1．3 侧偏力和回正力矩的发生机理 | 第15-16页 |
| 2．1．4 轮胎的运动状态 | 第16-17页 |
| 2．1．5 轮胎动力学特性的影响因素 | 第17页 |
| 2．1．6 轮胎力学特性的试验方法 | 第17-19页 |
| 2．2 轮胎力学模型 | 第19-24页 |
| 2．2．1 魔术公式”轮胎力学模型 | 第20-24页 |
| 2．3 本章小结 | 第24-25页 |
| 第三章 人工神经网络(ANN)理论 | 第25-45页 |
| 3．1 人工神经网络的概念 | 第25页 |
| 3．2 人工神经网络的特点 | 第25-26页 |
| 3．3 生物神经元结构 | 第26-27页 |
| 3．4 人工神经网络模型 | 第27-30页 |
| 3．5 人工神经网络的分类 | 第30-31页 |
| 3．6 神经网络的学习过程 | 第31-32页 |
| 3．7 神经网络的基本学习规则 | 第32-34页 |
| 3．7．1 Hebb学习规则 | 第32-33页 |
| 3．7．2 纠错学习规则 | 第33-34页 |
| 3．7．3 基于记忆的学习规则 | 第34页 |
| 3．7．4 竞争学习 | 第34页 |
| 3．8 多层前馈神经网络 | 第34-44页 |
| 3．8．1 BP学习算法 | 第34-39页 |
| 3．8．2 BP算法的缺陷 | 第39-40页 |
| 3．8．3 改进的 BP算法 | 第40-44页 |
| 3．9 本章小结 | 第44-45页 |
| 第四章 基于MATALB的神经网络轮胎力模型 | 第45-67页 |
| 4．1 MATALB软件简介 | 第45-46页 |
| 4．1．1 MATALB软件及其特点概述 | 第45-46页 |
| 4．1．2 图形用户界面 GUI简介 | 第46页 |
| 4．2 轮胎侧向力神经网络模型 | 第46-53页 |
| 4．2．1 正侧偏角下轮胎侧向力神经网络模型 | 第47-49页 |
| 4．2．2 整个侧偏角轴上的轮胎侧向力神经网络模型 | 第49-53页 |
| 4．3 轮胎纵向力神经网络模型 | 第53-57页 |
| 4．3．1 正滑移率下轮胎纵向力神经网络模型 | 第53页 |
| 4．3．2 整个滑移率范围内轮胎纵向力神经网络模型 | 第53-57页 |
| 4．4 轮胎联合工况下的神经网络模型 | 第57-66页 |
| 4．4．1 轮胎联合工况下的侧向力神经网络模型 | 第59-62页 |
| 4．4．2 轮胎联合工况下的纵向力神经网络模型 | 第62-66页 |
| 4．5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5．1 全文总结 | 第67页 |
| 5．2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者在研究生期间发表的论文 | 第73页 |
