| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-19页 |
| ·汽车制动防抱死系统的发展 | 第7-11页 |
| ·ABS 的发展历程 | 第7-9页 |
| ·ABS 的工作原理 | 第9-10页 |
| ·国内外ABS 生产商、市场现状及发展趋势 | 第10-11页 |
| ·汽车ABS 电磁阀非线性特性的研究背景 | 第11-14页 |
| ·电磁阀在ABS 中的应用 | 第11-12页 |
| ·电磁阀非线性特性对ABS 的影响 | 第12-13页 |
| ·国内外对电磁阀非线性的研究现状 | 第13-14页 |
| ·神经网络控制器理论在电磁阀控制中的应用 | 第14-18页 |
| ·神经网络控制理论概述 | 第14-15页 |
| ·神经网络控制理论在电磁阀控制系统中的适用性 | 第15-18页 |
| ·论文研究内容 | 第18-19页 |
| 第二章 电磁阀在ABS 系统中的应用 | 第19-33页 |
| ·电磁阀的硬件研究基础 | 第19-24页 |
| ·电磁阀的种类及特点 | 第19-20页 |
| ·电磁阀的物理构造及工作原理 | 第20-24页 |
| ·电磁阀数学模型的建立 | 第24-29页 |
| ·电磁阀模型的数学推导 | 第24-27页 |
| ·电磁阀仿真模型的建立 | 第27-29页 |
| ·气压ABS 电磁阀的动态特性研究 | 第29-32页 |
| ·电磁阀在ABS 系统中的作用 | 第29-30页 |
| ·ABS 电磁阀响应滞后的原因及对系统的影响 | 第30-32页 |
| ·本章小节 | 第32-33页 |
| 第三章 BP 人工神经网络模型及算法实现 | 第33-59页 |
| ·人工神经网络简介 | 第33-34页 |
| ·人工神经网络的特点 | 第33-34页 |
| ·人工神经网络的模型 | 第34页 |
| ·反向传播（BP）网络 | 第34-43页 |
| ·BP 网络的结构 | 第35-37页 |
| ·BP 网络的学习过程 | 第37-43页 |
| ·针对电磁阀的BP 神经网络控制器的样本选取 | 第43-45页 |
| ·ABS 系统的运作工况 | 第43-44页 |
| ·电磁阀BP 网络控制器的样本描述 | 第44-45页 |
| ·基于BP 神经网络的电磁阀控制器的分析与设计 | 第45-58页 |
| ·网络结构的确定 | 第45页 |
| ·隐层神经元数的确定 | 第45-46页 |
| ·网络学习参数的选取 | 第46-47页 |
| ·样本数据的处理 | 第47-58页 |
| ·本章小节 | 第58-59页 |
| 第四章 基于BP 神经网络的电磁阀控制器的MATLAB 实现 | 第59-71页 |
| ·MATLAB 神经网络工具箱 | 第59-62页 |
| ·BP 神经网络工具箱函数 | 第59-61页 |
| ·MATLAB 中BP 网络的训练过程 | 第61-62页 |
| ·增压工况下BP 神经网络控制器的学习训练 | 第62-66页 |
| ·不同隐层神经元数目下的训练效果比较 | 第62-64页 |
| ·不同学习速率下的训练效果比较 | 第64-66页 |
| ·减压工况下BP 神经网络控制器的学习训练 | 第66-70页 |
| ·不同隐层神经元数目下的训练效果比较 | 第66-68页 |
| ·不同学习速率下的训练效果比较 | 第68-70页 |
| ·本章小节 | 第70-71页 |
| 第五章 基于BP 神经网络的电磁阀控制器硬件在环试验 | 第71-79页 |
| ·ABS 制动试验台架 | 第71-75页 |
| ·试验台架的总体结构 | 第72页 |
| ·试验台架的硬件构造 | 第72-75页 |
| ·神经网络控制器的硬件在环仿真分析 | 第75-77页 |
| ·无电磁阀神经网络控制器下ABS 制动半实物仿真 | 第75-76页 |
| ·加入电磁阀神经网络控制器下ABS 制动半实物仿真 | 第76-77页 |
| ·本章小节 | 第77-79页 |
| 第六章 全文总结 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 摘要 | 第87-90页 |
| Abstract | 第90-94页 |
| 致谢 | 第94页 |
