基于白适应神经模糊推理系统的跟驰模型研究

由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型。针对这一问题,应用自适应模糊神经推理系统（ANFIS）建立跟驰模型,以跟随车与前车速度差及行车间距为输入量、跟随车的加速度为输出量,建立25条模糊推理规则,将模糊推理规则产生的数据作为车辆跟驰ANFIS模型的训练数据,并利用MATLAB编程对其进行训练。最后,设计了基于车载高精度GPS的跟驰试验,并结合试验数据分别对自适应模糊神经推理系统跟驰模型和传统跟驰模型进行仿真。结果表明,前者输出的跟驰车辆加速度值更接近于真实值。     

软计算方法研究车-车间跟随模型

采用软计算方法对车辆跟随算法模型进行对比分析,主要介绍基于自适应神经模糊推理系统ANFIS的跟随模型,并简要介绍基于BP网络和径向基RBFN网络模型与ANFIS模型的对比分析。为了取得模型训练所需的参数和测试模型的效果,设计了一个车辆跟随试验,试验中采用GPS模块来获取车间距和车速差两个参数。最后对模型进行训练和仿真决策输出,仿真输出表明采用自适应神经模糊推理系统的算法模型能较好地模拟驾驶员操作。     

基于模糊模型的跟驰车流特性研究

针对有关车辆跟随的传统车流跟驰理论存在的许多不足,分析了跟驰模型存在的问题,提出采用模糊模型来建立局部车流跟随模型,并针对隐性知识问题,提出了采用输入-输出数据对来设计模糊规则,应用权重来解决规则冲突问题并简化规则库.通过实例验证了模糊模型较之跟驰模型的优势.证明模糊模型更能有效地模拟真实的局部车流模型,其将对车辆避撞预警的研究提供理论上的参考价值.     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

基于分子动力学的跟驰特性及其模型

为更好地研究车辆跟驰特性,缓解道路交通拥堵,在车辆跟驰行为受前导车和道路环境等影响的基础上,将单车道道路虚拟为一维管道,道路上的跟驰车辆抽象成相互作用的分子。考虑需求安全距离和期望速度2个影响因素,基于分子动力学构建车辆相互作用势和分子壁面势函数,并建立基于相互作用势函数的分子跟驰模型,给出跟驰车辆的加速度模型。在实际交通环境中建立视频采集试验路段,采集试验路段不同点位的交通流样本,从视频中获得模型所需数据,并将数据分为两部分,一部分用于参数标定,其余用来模型验证。将车辆运行状态分为常态行驶、起动加速和减速停车3种。根据实测交通数据分别对3种车辆运行状态下的经典GM模型和分子跟驰模型进行参数标定,选取3种不同运行状态下的试验数据各3组,代入标定后的分子跟驰模型与经典GM模型计算模型输出加速度,并与实测加速度进行误差分析对比,结果表明,分子跟驰模型输出加速度与实测加速度之间的误差,总体上比经典GM模型要小,而且根据绝对误差方差显示,分子跟驰模型较经典GM模型稳定性更高。选取有代表性的一组跟驰过程进行数据绘图,对比可以看出分子跟驰模型输出加速度与实测数据变化趋势几乎一致,其拟合效果比经典GM模型更好。     

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为，以更加精确地进行车辆的运动决策，建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础，首先阐述了交通环境中安全势场的客观性、普遍性以及可测性，然后通过引入加速度参数对既有安全势场模型进行改进，改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上，构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响，由于不同速度、加速度信息在智能网联环境下车辆可以实时获取，因此该模型可应用于未来智能网联环境中。此外，在模型参数标定过程中，通过对NGSIM数据进行筛选，得到含有较多减速停车以及启动加速状态的轨迹数据，共筛选得到412组NGSIM真实跟驰车对数据，并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果，选择OVM模型、IDM模型与本文模型进行比较，并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标，结果表明，建立的基于安全势场理论的车辆跟驰模型具有良好的精度，适用于描述考虑加速度参数条件下的跟驰行为，可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。     

利用五轮仪实验数据建立车辆跟驰模型

车辆跟驰模型是微观交通流模拟的一个基本模型，用来分析和描述在无法超车的同一车道上一辆车(驾驶员)跟随另一辆车的方式。由于实际道路上驾驶员信息的获取困难，建立的车辆跟驰模型难以标定或验证。本文利用五轮仪试验系统获取的车辆跟驰数据，应用BP神经网络，建立了车辆跟驰神经网络模拟模型。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

考虑横向干扰的交叉跟驰模型研究

在传统跟驰模型的基础上,对车辆横向位置分布进行了实地调查,分析了周边交通场景对跟随车的横向干扰特性。引入最大转移速度和疏散路程参数,建立了交叉跟驰模型并进行了交通仿真。统计分析结果表明:行驶车辆横向位置分布基本符合正态分布,跟随车的行为变化与车辆偏离中心线的距离大小有关,交叉跟驰模型可以更加准确地反映实际道路交通场景。此模型的建立能够揭示车辆微观交互行为,对保障车辆运行安全和交通流稳定性具有重要的现实意义。     

考虑驾驶员行为特性的模糊推理跟驰模型改进研究

基于模糊推理的车辆跟驰模型实现了用数学方法描述驾驶员的主观判断、推理和执行的过程,但现有的这类模型通常未考虑驾驶员行为特性的差异。针对这一问题,在基于模糊推理的跟驰模型中引入期望车头时距,不同行为特性的驾驶员具有不同的期望车头时距,在此基础上建立了改进的车辆跟驰模型。仿真结果表明,改进的跟驰模型能准确描述不同类型驾驶员的跟驰行为及其差异。     

汽车驾驶员车速控制模式的模拟研究

系统地对汽车驾驶员在一定行车环境中的安全性认知与车速控制的决策、推理过程进行了定量研究,通过进行一系列勘测、测试和心理评价试验,应用模糊集合、模糊统计试验、模糊控制和模糊逻辑推理等分析方法,建立了描述汽车驾驶员在既定道路条件下行车时基于安全性考量的逻辑推理规则和车速控制模型,最后进行了相应的实测验证。模拟预测结果与实测结果吻合较好,证明了研究所采用方法和建立模型的正确性。     

Inverse neuro-fuzzy MR damper model and its application in vibration control of vehicle suspension system

In this paper, a magneto-rheological (MR) damper-based semi-active controller for vehicle suspension is developed. This system consists of a linear quadratic Gauss (LQG) controller as the system controller and an adaptive neuro-fuzzy inference system (ANFIS) inverse model as the damper controller. First, a modified Bouc–Wen model is proposed to characterise the forward dynamic characteristics of the MR damper based on the experimental data. Then, an inverse MR damper model is built using ANFIS technique to determine the input current so as to gain the desired damping force. Finally, a quarter-car suspension model together with the MR damper is set up, and a semi-active controller composed of the LQG controller and the ANFIS inverse model is designed. Simulation results demonstrate that the desired force can be accurately tracked using the ANFIS technique and the semi-active controller can achieve competitive performance as that of active suspension.     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

基于自适应模糊神经网络的故障诊断方法

对模糊逻辑和神经网络的优缺点进行分析,提出一种基于自适应模糊神经网络的故障诊断方法。它把模糊逻辑和神经网络有机结合起来,生成自适应模糊神经推理系统(ANFIS);文中给出了该系统的原理及实现算法,最后使用M atlab Fuzzy工具箱对柴油发动机喷油泵柱塞故障数据进行建模,结果表明该方法是可行的,并且有较高的诊断效率。     

Semi-active H∞ control of high-speed railway vehicle suspension with magnetorheological dampers

In this paper, semi-active H∞ control with magnetorheological (MR) dampers for railway vehicle suspension systems to improve the lateral ride quality is investigated. The proposed semi-active controller is composed of a H∞ controller as the system controller and an adaptive neuro-fuzzy inference system (ANFIS) inverse MR damper model as the damper controller. First, a 17-degree-of-freedom model for a full-scale railway vehicle is developed and the random track irregularities are modelled. Then a modified Bouc–Wen model is built to characterise the forward dynamic characteristics of the MR damper and an inverse MR damper model is built with the ANFIS technique. Furthermore, a H∞ controller composed of a yaw motion controller and a rolling pendulum motion (lateral motion+roll motion) controller is established. By integrating the H∞ controller with the ANFIS inverse model, a semi-active H∞ controller for the railway vehicle is finally proposed. Simulation results indicate that the proposed semi-active suspension system possesses better attenuation ability for the vibrations of the car body than the passive suspension system.     

公交线路客流模糊神经网络预测模型

提出一种基于模糊神经网络理论的公交线路客流预测模型。实验比较发现,该模型具有较强的自适应性,其预测结果优于常规时间序列模型ＡＲ、ＡＲＭＡ得到的预测结果。该模型适用于公交企业运营调度管理的需要。     

并联混合动力汽车模糊逻辑控制策略的设计

利用模糊逻辑控制技术,设计了并联混合动力汽车的模糊逻辑扭矩控制策略。选取了控制器的输入、输出变量,构建了有25条规则的模糊推理器。在3种不同的循环工况下,分别对二值逻辑策略和模糊逻辑策略进行了仿真试验,结果显示,所设计的模糊逻辑控制策略能够很好地控制发动机工作,且具有很好的自适应能力和鲁棒性。     

模糊推理的综合评判系统在隧道围岩智能分类中的应用研究

利用模糊综合评价原理建立数学模型,结合相关专业知识、专家经验和人工智能的理论、方法,形成基于自组织神经网络检索机制及模糊数学评判的模糊推理综合评判系统。通过处理决策中的不确定信息,对受诸多因素影响下围岩变形的复杂特性给予定量表达。根据不同地质条件快速得到分类结果及相应的支护方案。在对云岭隧道围岩进行分类研究中,得出的围岩类别与实际围岩类别比较吻合。     

高速公路危化品事件处置持续时间预测模型

为准确预估危化品事件影响的时间、支撑高速公路危化品运输应急处置,基于危化品运输事故历史数据,构建高速公路危化品事件处置持续时间的预测模型.首先在事故特征分析的基础上,初步选取影响因子;利用Spearman秩相关系数对各因子进行相关性检验,确定危化品特性、危化品泄漏量及所需要驳货车的数量作为模型的输入变量;基于TSK型模糊推理系统,采用ANFIS方法建模;最后采用实例对模型进行验证并作误差分析.结果表明,模型预测结果与实测值吻合良好,且输入参数数目控制在合理范围内,能够为危化品事件救援提供必要的参考.