一种改进的模型跟随自适应控制算法

提出了一种改进的模型跟随自适应算法(DS-AMFC),即把系统输出的误差引入控制信号,同时,利用线性神经网络对系统(k+1)时刻输出误差预测,并利用该预测值对系统进行控制。仿真表明该改进算法较原算法有较强的跟随模型的能力。     

基于驾驶员方向控制模型的汽车侧风稳定性虚拟试验研究

在预瞄跟随理论基础上设计的驾驶员方向控制模型常用于弯道、移线、蛇行试验中横向轨迹的控制,文中研究了它对汽车侧风稳定性的控制效果.根据预瞄跟随理论及PID控制技术,采用MATLAB/Simulink建立了驾驶员方向控制模型;根据某轿车实测数据,采用多体动力学软件ADAMS建立了车辆-侧向风-道路耦合模型;通过定义输入变量(转向盘转角)和输出变量(侧向位移),实现了基于ADAMS与MATLAB/Simulink的汽车侧风稳定性联合仿真.试验结果显示驾驶员模型能够有效控制由侧向风引起的大幅度侧向偏移,系统具有较强的跟随性和鲁棒性.     

一种基于信息融合的跟随驾驶行为协同仿真模型

基于信息融合技术模拟驾驶人信息感知、分析决策和车辆控制的全过程,建立跟随驾驶协同仿真模型.模型以动态交通信息为输入,设计单个神经元仿真驾驶人对感知信息的筛选,采用模糊径向基高斯神经网络提取驾驶行为特征向量,应用模糊积分法模拟驾驶人对信息的分析和决策过程,输出为车辆控制状态.离线检验结果表明,该模型能较好地描述跟随车状态变化,具有较高的精度.     

船用真空蒸发压力自动调节装置的模糊压力控制器设计

提出一种供船用海水淡化装置蒸发压力自动调节装置使用的模糊压力控制器。运用两输入单输出的模糊控制器模型，对被控的压力偏差，压力变化率和控制输出进行了具体的模糊化，根据模糊集合理论和被控对象的特点得出精确化的模糊控制表，并用单片机实现了该模糊压力控制器。     

主机缸套冷却水出口温度控制方法

利用传热学理论，对船舶主柴油机缸套冷却水系统的传热机理进行了分析，给出了其动态热力数学模型。针对其惯性较大，缸套冷却水出口温度经常超调的特点，提出了在现有的传统PID反馈控制的基础上，引入以船舶主柴油机输出“功率”作为反映缸套冷却水热负荷扰动信号的前馈控制，以减小缸套冷却水出口温度的动态偏差，并利用Matlab仿真进行了验证。仿真结果表明，这种控制方法比传统的控制方法具有更好的控制性能。     

基于MP与MPC相结合的分布式交通信号控制研究

依托于最大压(Max Pressure，MP)分布式信号控制特性，结合已建立的实时排队长度预测模型，利用模型预测控制(Model Predictive Control，MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化，提出了MP与MPC相结合的分布式信号控制方法. 模型验证结果表明：MPC嵌入后，MP优化下的交叉口1 与交叉口2 延误分别降低了13.47%、15.35%；并且对比了MP绿信比分配权重修正前后对控制输出的影响，优化后瓶颈路段的车道4 和车道10 的排队溢出次数分别从6 次和9 次降低为0 次，表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.     

异常情况下交叉口信号模糊逻辑控制

建立异常情况下信号模糊逻辑控制模型,并建立决策行为,保证在正常及异常情况下最佳地控制交通流,使达到流量最大、延误最小。针对不考虑异常情况时交叉口模糊逻辑控制模型、考虑异常情况时模型及1个一般控制模型三者输出的平均延误差别仿真比较,结果表明本文提出的模型能有效缩短平均延误时间,改进交通信号配时。     

基于人均延误的公交优先信号交叉口配时研究

以交叉口人均延误最小为目标,考虑公交专用道影响因素,利用延误偏差优度指数建立信号配时优化模型。结合实例,实现定时控制交叉口参数确定过程,并得到参数与延误偏差优度指数的关系。该配时方案能有效减少人均延误,为进一步发展公交优先及提高交叉口通行能力提供理论依据。     

拖拉机液压悬挂试验台研究

为提高拖拉机液压悬挂系统检测的自动化水平和测试精度,提出了一种应用电液比例阀控制加载力和垂直度的试验台结构方案,基于Simulation X软件对试验台的液压加载系统进行仿真分析。结果表明:目标加载力调节时间均小于0.3 s;加载力跟随试验最大误差约为0.6 k N,并且在跟随加载力上升阶段实际曲线与跟随曲线基本吻合;垂直度仿真过程中,系统在低初始偏差和中、高初始偏差达到稳定状态的时间分别在0.3,2.0 s以内,可见设计方案是可行的,为拖拉机液压悬挂系统的产品开发和质量检测提供了高效的测试平台。     

燃料电池小型车SOC动态调节的功率跟随控制策略

针对风冷型质子交换膜燃料电池与锂电池组成的小型车用混合动力系统，提出一种根据SOC （state of charge）动态调节功率跟随系数的能量管理方法，完成混合动力观光车样车研制. 对构成样车的混合动力系统、氢气储存供给系统、信号控制系统3部分进行了详细阐述，并对不同工况下功率跟随算法调节系数对控制效果的影响进行了分析；采用动态改变调节系数降低功率跟随算法控制引起的锂电池SOC及燃料电池输出功率波动，延长电堆使用寿命；通过样车实际运行测试，验证混合动力控制方法的有效性. 测试结果表明:运行过程中燃料电池平均工作效率达到48.15%，并推算理论最大续航里程为94 km，与实际运行结果吻合.      

管式差压流量传感器标定数据的数学模型确定

管式差压流量传感器的输入与输出成非线性关系，分别运用了几种不同的数学模型对该传感器的标定数据进行了最小二乘拟合运算，在比较运算结果及误差分析的基础上，找出了适合于该传感器输入与输出拟合曲线的数学模型。     

最小方差控制中的最优输入信号设计

为研究最小方差控制中的最优输入信号设计问题,推导了最小方差控制器与闭环反馈结构中对象模型、噪声模型之间的关系.基于闭环反馈系统中频响函数估计的渐近分析,考虑系统对象模型、噪声模型和控制器三者之间的摄动性.分别采用输出端误差平方的均值、输入端误差平方的均值和输出端估计值平方的均值作为评价性能指标函数,推导三种情况下最优输...     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

Nonlinear inverse modeling of sensor based on back-propagation fuzzy logical system

Objective To correct the nonlinear error of sensor output, a new approach to sensor inverse inodeling based on Back-Propagation Fuzzy Logical System （BP FS） is presented. Methods The BP FS is a computationaiiy efficient nonlinear universal approximator, which is capable of implementing complex nonlinear mapping from its input pattern space to the output with fast convergence speed. Results The neuro-fuzzy hybrid system, i.e. BP FS, is then applied to construct nonlinear inverse model of pressure sensor. The experimental results show that the proposed inverse modeling method automatically compensates the associated nonlinear error in pressure estimation, and thus the performance of pressure sensor is significantly improved. Conclusion The proposed method can be widely used in r nonlinearity correction of various kinds of sensors to compensate the effects of nonlinearity and temperature on sensor output.     

考虑多特征的高速公路交通流预测模型

为准确预测高速公路交通流，缓解高速公路交通拥堵现象，本文提出一种考虑多特征的高速公路交通流预测模型。首先将高速公路当前道路与上下游的交通流、天气等数据转化为一个二维矩阵，并利用滑动窗口模型获得输入样本的最佳长度；然后将样本数据输入集成深度学习模型训练并提取交通流数据的特征，随后输出预测结果；最后，将某高速公路交通流数据用于工作日和节假日两组实验。结果表明：集成深度学习模型比单一模型预测高速公路交通流的效果要好，工作日的高速公路交通流预测精度远高于节假日，本文模型将平均绝对误差由 6.40辆·(20 min)-1 降到5.450辆·(20 min)-1，说明考虑多种因素可以提升高速公路交通流预测精度。     

基于座椅人机参数的列车座椅舒适度评价方法

为了降低高速列车舒适度调查的成本,避免进行大量的问卷调查和统计分析,对高速列车座椅静态舒适度评价方法进行了研究. 首先,通过确定高速列车座椅舒适度评价指标和指标权重,获得座椅舒适度计算方法;其次,利用BP神经网络构建以高速列车座椅8项人机几何参数为输入、以座椅舒适度评价为输出的座椅静态舒适度评价模型;最后,进行实例研究,对构建的神经网络评价模型进行训练和验证,并对神经网络进行权值和阈值的提取,构建神经网络的数学表达公式. 研究结果表明:当神经网络为1个隐含层、13个节点时,训练达到误差均值2.13 × 10?3、均方误差6.091 × 10?6的理想效果,且不存在过拟合现象;利用CHR2的一、二等座椅人机几何参数测量数据及对应舒适度评价对该网络进行验证,验证显示一等座的神经网络预测值跟实际评价值误差为3.07%,二等座评价误差为1.42%,该网络模型预测精度较高,且优于多元回归模型预测的结果.      

基于模糊神经网络的高速公路路面质量评价

为提高高速公路沥青路面使用质量的评价精度,将T-S模糊理论与BP神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.      

������������Ԥ���������ģ��

公交客流预测是城市公共交通规划的重要内容，是确定城市公共交通发展规模、布置场站及布设线路的根本依据，也是制定城市公共交通发展政策的重要依据.本文通过分析神经网络的作用机理和公交客流生成量的影响因素，建立了公交客流生成量预测的三层BP神经网络模型，以土地利用(8个神经元)、人口数以及区位系数作为输入神经元，输出神经元为公交客流的产生量和吸引量，隐层神经元数根据最大相对误差最小为目标试算求得.以哈尔滨市一日的调查数据对模型进行了标定与检验，结果证明，模型具有较高的预测精度.