基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

基于模糊神经网络的汽车辅助制动控制系统的研究

为保障辅助驾驶模式下汽车具备良好的制动减速性能,提出了一种基于模糊神经网络的体现驾驶员制动特点的辅助制动系统,该系统以两车的相对速度和车间距离为网络输入,以汽车制动力为网络输出.利用驾驶员在不同车况下的合理而充足的制动数据对网络参数进行离线训练,优化网络权值,建立了体现驾驶员制动特点的模糊神经网络控制器模型.进而在Matlab/Simulink中建立汽车动力学模型与基于滑移率的ABS模型进行仿真,仿真结果表明汽车辅助制动系统能很好地起到减速制动效果.     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

基于模糊PID的汽车防抱制动系统控制策略的研究

在基于滑移率的ABS控制策略的基础上,建立了11自由度的汽车急转制动仿真模型。提出了一种参数自整定模糊PID控制算法,并采用了Bang-Bang控制和模糊PID控制分别对汽车ABS进行了仿真,其结果表明:模糊PID控制比Bang-Bang控制可以达到更好的效果。     

模糊神经网络在发动机失火故障诊断中的应用

利用模糊神经网络对发动机失火故障进行诊断,建立起了模糊神经网络控制模型,应用MATLAB软件对其进行训练及仿真,结果表明此控制方法是有效的、可行的。     

基于带切换增益模糊调节的滑模控制算法的车辆电液制动系统

针对汽车线控电液制动系统建立了单轮车辆模型,研制了一种新的状态观测器对车速进行估算,试验结果表明该方法正确实用.采用切换增益模糊调节的滑模控制算法对非线性时变的车辆实施基于最佳滑移率的制动控制,在Matlab/Simulink中的仿真结果和验证试验都表明在汽车线控制动系统应用该算法是可行、有效的,在该算法的控制下汽车可获得比一般滑模控制更好的制动性能.     

基于遗传算法的ABS模糊控制器的设计

针对汽车防抱死制动系统(ABS)的强非线性,采用基于滑移率的模糊控制策略建立了ABS的仿真模型。利用遗传算法具有全局并行搜索能力的特点,对模糊控制器的隶属度函数进行优化设计。通过仿真对优化结果与原设计值的控制效果比较,表明遗传算法可以有效地用于模糊控制器的设计过程。     

基于CarSim自适应巡航控制建模与仿真

文章首先利用模糊法则建立能够反映驾驶员反应时间的隶属度函数,并根据制动过程理论建立安全距离模型,通过安全距离模型建立期望加速度模型。然后分别建立加速和制动模型,在此基础上制定控制模式转换策略,基于PID算法设计巡航控制器。最后在Matlab/Simulink和CarSim联合仿真环境中验证所设计的控制系统的有效性。     

车辆转弯制动横向轨迹控制驾驶员模型研究

为了较为真实地反映车辆转弯制动工况,建立了含Pacejka"魔术公式"非线性联合工况轮胎模型的4轮8自由度车辆系统模型,并基于预瞄跟随理论、加速度反馈控制和模糊PID控制技术建立了车辆转弯制动横向轨迹控制驾驶员模型。针对不同初始速度和制动强度,利用MATLAB/Simulink进行了横向轨迹控制仿真分析。分析结果表明,驾驶员控制模型能很好地跟踪横向轨迹,模型的可行性和有效性得到验证,同时不同仿真条件下结果的一致性也说明该控制方法具有较强的自适应能力和鲁棒性,为进一步研究复杂工况下的驾驶员模型及横向轨迹控制提供了一条可行的途径。     

基于ADAMS与Simulink的汽车ABS控制联合仿真

利用ADAMS/CAR建立整车动力学模型,并在MATLAB/Simulink中设计基于滑移率的ABS模糊控制系统,最后通过ADAMS/Controls接口建立联合仿真模型并仿真.仿真结果表明ABS模糊控制系统在制动过程中取得了很好的防抱死效果,同时也说明了联合仿真在ABS控制系统开发中的可行性.