基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点,给出了一种交叉口多相位自适应控制算法,综合考虑相邻车道上的车队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题，提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略，再由上层神经网络根据各路口车均延误进行二次调整，将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例，通过SUMO仿真平台对模型进行仿真验证，在低与高饱和度下，该控制模型分别对车均延误降低了23.6%和26%，排队长度降低了8.4%和9.4%。实验数据表明，该模型可有效提高连续交叉口道路通行能力，为缓解城市交通拥堵提供了1种有效技术手段。      

基于知识库的平面交叉口多相位信号设计理论研究

相位设计是信号设计的首要步骤，信号相位直接影响交通流运行的安全性和交叉口可提供的通行能力。本文论述了相位相序设计的新理念，提供多相位相序设计的原则和方法，在运用多相位时，实行以整体车流为主的相位设计方法，以车流通过交叉口的通行时间的均衡原则来设计相位。构造了多相位信号的专家系统知识库，使更为灵活的多相位设计成为可能，并建立了相位设计的评价方法，为交叉口多相位设计专家系统知识库的开发提供了思路。     

一个改进的城市交叉口信号配时模型

章对城市交叉口信号配时问题进行了研究．从行车和行人的安全角度出发．研究了6相位的控制方式，提出了以车辆在交叉口的时间延误之和最小化为控制目标．建立了一个新的交叉口信号配时模型，并采用了神经网络、遗传算法等人工智能方法对模型进行求解。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

基于两级模糊控制的交叉口多相位控制

针对城市交叉口存在关键车流与非关键车流相互干扰的特点，基于两级模糊控制的思想，研究了交叉口多相位两级模糊控制器的设计思想及设计方法，给出了基本绿灯延长时间和附加绿灯延长时间的算法。仿真结果表明，设计的两级模糊控制器能有效减少车辆通过交叉口的总延误时间，适用于多车流的孤立交叉口多相位信号控制。     

基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比（或相位时长）以及相位差的确定思路。仿真试验结果表明：以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。     

平面交叉口信号模糊控制与仿真

在分析平面交叉口交通信号控制问题的基础上，根据车辆感应控制理论和模糊控制理论，提出了一种平面交叉口信号的多相位多级模糊控制方案，仿真结果表明其优于相位定周期控制。     

组合相位在畸形交叉口信号配时中的应用——以佛山市锦华路-福禄路交叉口为例

畸形交叉口是城市交通网络瓶颈，也是交通事故频发的黑点。交通组织是治理畸形交叉口的有效方法。在一些畸形交叉口的实际运行情况中，常规相位配时已经体现极大的局限性。针对此种情况，引入组合相位的概念，在此基础上对组合相位的优化原理、特点作进一步的论述分析，并指出组合相位的适用情况。最后利用组合相位对畸形交叉口内的各股交通流进行配时设计，通过实例反映出组合相位相对于常规相位的优越性。     

基于两级模糊控制的交叉口多相位控制

针对城市交叉口存在关键车流与非关键车流相互干扰的特点,基于两级模糊控制的思想,研究了交叉口多相位两级模糊控制器的设计思想及设计方法,给出了基本绿灯延长时间和附加绿灯延长时间的算法.仿真结果表明,设计的两级模糊控制器能有效减少车辆通过交叉口的总延误时间,适用于多车流的孤立交叉口多相位信号控制.     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

基于神经网络的柴油机轨压模型补偿容错控制研究

电控柴油机高压共轨燃油喷射系统具有很强的非线性、时变性和扰动性,传统的控制方式难以精确控制系统的轨压。基于BP神经网络辨识得到了非线性柴油机燃油喷射系统模型,提出了一种模型补偿容错控制方法。该方法在PID参数模糊自整定控制的基础上,通过加入一个基于梯度下降算法的误差补偿控制器修正输出偏差,实现了对柴油机燃油喷射系统时变性和扰动性的控制。仿真结果证明了该方法的有效性,与传统PID控制和模糊PID控制相比具有更好的鲁棒性和抗扰动性。     

全网络神经模糊控制在城市单路口交通实时控制中的应用

在已有城市单路口交通模糊控制方式和控制策略的基础上，提出了基于全网络化结构的神经模糊控制方法。方法考虑了影响信号灯控制策略的各种因素，根据分级并行控制思路，对车流采用不同的优先级和不同的控制策略进行协调控制，提高了系统的实时性，降低了系统的复杂性。采用6层全网络结构的神经网络进行了控制算法的实现，并利用已有数据对神经网络进行了学习训练，使网络结构和参数具有更为广泛的适用性。     

ISG柴油混合动力客车能量分配策略研究

以ISG柴油混合动力客车整车控制策略为基础,综合考虑客车燃油经济性和排放,提出一种基于模糊神经网络的能量分配策略,该策略根据模糊控制原理,结合人工神经网络自主学习功能,以电池SOC、整车需求转矩以及发动机转速为模糊输入来确定发动机和电机的最佳输出转矩分配,再以神经网络对控制的模糊规则进行记忆.仿真结果表明,该策略比普通逻辑控制更加有利于燃油经济性的提高,并在一定程度上改善了排放性能.     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

电动助力转向系统控制的台架试验研究

提出了将基于模糊神经网络的PID控制策略用于电动助力转向系统中助力电机的控制。设计了电动助力转向试验台，并进行了电动助力转向系统的台架试验。试验结果证明，采用模糊神经网络控制器确定目标电流，并使用PID反馈控制器跟踪目标电流的控制策略是十分有效的，能显著提高汽车的转向轻便性和灵敏性。     

高速公路入口匝道动态响应调节算法设计

论文在模糊神经网络内部引入递归环节,设计了入口匝道的动态响应调节算法,介绍了算法的模糊神经网络结构、隶属度函数、模糊规则。由于递归神经元有内部反馈连接,可以捕获系统的动态响应,能简化网络模型,网络各个参数具有明确的物理意义,可根据经验选择初始值,且其是一个动态映射网络,比普通模糊神经网络更适于描述动态系统。最后分别通过数值仿真试验和交通TSIS模拟实验,详细分析了入口匝道智能控制的效果,仿真结果表明论文设计的入口匝道模糊神经网络控制算法在控制效果上比常规定时、Alinea控制显示了较大的优势,在重要指标上优于定时控制策略和Alinea控制策略。     

汽车发动机振动主动控制技术的研究

为了改善发动机的工作状况,利用微机控制技术,采用自动控制理论,建立了发动机振动主动控制模型.采用LQR控制、自调整模糊控制、神经网络自适应控制3种策略,以发动机振动加速度作为控制目标,对其振动进行有效的在线控制.验证了控制系统的控制效果和跟踪性能,分析了各种控制策略的优缺点.