基于人工神经网络的自动变速器控制方法的研究
| 1 引言 | 第1-11页 |
| ·电控机械式自动变速器的研究现状 | 第8-9页 |
| ·国内研究现状 | 第8页 |
| ·国外研究现状 | 第8-9页 |
| ·AMT的发展趋势 | 第9页 |
| ·本文研究目的和意义 | 第9-10页 |
| ·本文研究方法和内容 | 第10-11页 |
| 2 电控机械式自动变速器概述 | 第11-18页 |
| ·AMT的特点及其发展进程 | 第11-12页 |
| ·AMT的特点 | 第11页 |
| ·AMT的发展历程 | 第11-12页 |
| ·ATM控制原理 | 第12-15页 |
| ·ATM控制的基本思想 | 第13页 |
| ·ATM电子控制装置组成 | 第13-14页 |
| ·传感器技术 | 第14-15页 |
| ·液压执行机构 | 第15-18页 |
| ·离合器接合、分离执行机构 | 第16-17页 |
| ·选换档执行机构 | 第17页 |
| ·节气门开度执行机构 | 第17-18页 |
| 3 人工神经网络理论 | 第18-30页 |
| ·ANN的发展、应用 | 第18-19页 |
| ·ANN的发展 | 第18页 |
| ·ANN的应用领域 | 第18-19页 |
| ·ANN的基本概念和特征 | 第19-25页 |
| ·生物神经元模型 | 第19-20页 |
| ·人工神经元模型 | 第20页 |
| ·典型的神经元传递函数 | 第20-21页 |
| ·ANN的拓扑结构 | 第21-22页 |
| ·ANN的学习算法 | 第22-24页 |
| ·ANN用于控制的优越性 | 第24-25页 |
| ·RBF网络 | 第25-27页 |
| ·RBF网络模型 | 第25-26页 |
| ·RBF网络的工作特性 | 第26页 |
| ·RBF网络学习算法 | 第26-27页 |
| ·神经网络数据归一化处理 | 第27-28页 |
| ·ANN控制描述及其在本文中的应用 | 第28-30页 |
| ·ANN控制描述 | 第28页 |
| ·ANN控制在本文中应用 | 第28-30页 |
| 4 AMT离合器接合神经网络控制策略 | 第30-48页 |
| ·离合器控制过程分析 | 第30-32页 |
| ·离合器功用及其性能要求 | 第30页 |
| ·离合器分离、接合过程控制分析 | 第30-32页 |
| ·离合器接合过程的评价指标 | 第32-35页 |
| ·接合平稳、柔和的评价指标 | 第33-34页 |
| ·使用寿命的评价指标 | 第34-35页 |
| ·离合器接合速度确定 | 第35页 |
| ·ANN控制策略分析 | 第35-37页 |
| ·离合器接合ANN控制的可行性分析 | 第35-36页 |
| ·离合器接合的ANN控制 | 第36页 |
| ·ANN控制的离合器分离、接合执行机构 | 第36-37页 |
| ·ANN控制的硬件实现 | 第37-43页 |
| ·神经网络芯片 | 第38-40页 |
| ·PIC17C42单片机 | 第40-41页 |
| ·双口RAM(简称DRAM) | 第41-42页 |
| ·硬件设计 | 第42-43页 |
| ·ANN控制的软件实现 | 第43-48页 |
| ·主程序设计 | 第43-48页 |
| 5 自动换档神经网络控制系统的研究 | 第48-53页 |
| ·ANN换档控制原理 | 第48页 |
| ·ANN换档控制液压执行机构 | 第48-49页 |
| ·ANN换档规律 | 第49页 |
| ·ANN用于档位辨识的控制原理 | 第49-50页 |
| ·ANN用于档位辨识的原始数据训练及验证 | 第50-52页 |
| ·ANN控制换档的软件实现 | 第52-53页 |
| 6 结论和展望 | 第53-54页 |
| ·研究结论 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 在读期间发表的学术论文 | 第58-59页 |
| 作者简历 | 第59-60页 |
| 致谢 | 第60-65页 |
