汽油机怠速递阶模糊控制

介绍了怠速递阶模糊控制策略和发动机怠速状态的动态模型,针对怠速状态的内在不稳定性和怠速控制目标的多样性,提出了具体的控制方法,给出了实际应用结果。     

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。     

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.     

发动机怠速的模糊控制

通过对发动机怠速系统的分析,分析了影响怠速稳定性的各种因素。为了克服控制的各种问题,将模糊控制理论应用于发动机的怠速控制,并建立了系统的动态仿真模型。对系统进行了控制仿真的结果表明,模糊控制能够增强怠速的稳定性和提高系统的抗干扰能力。     

基于BP神经网络的电喷发动机故障诊断研究

文中研究了BP神经网络用于电喷发动机故障诊断的方法,用来自真实测量的数据建立了神经网络故障诊断模型。以桑塔纳2000(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在MATLAB环境下,对电喷发动机怠速不稳的两种故障原因进行故障模式识别和诊断。     

电控汽油机怠速控制方式

针对怠速工况分别设计了变参数PID控制系统和模糊控制系统，并进行了实车试验对比。结果表明，怠速工况下，模糊控制方式比PID控制方式转速波动小，控制效果好。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

静液储能传动汽车发动机怠速模糊自适应控制

针对静液压储能传动汽车的特点,应用模糊控制理论对发动机怠速控制进行了研究,设计了一个用于发动机怠速控制的模糊自适应控制器。台架试验结果表明,模糊自适应控制方法应用于发动机怠速控制是可行的,而且具有较好的稳定性和较快的动态响应特性。     

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。     

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。     

模糊逻辑在汽车电子控制中的应用

本文简要介绍了汽车电子控制和模糊逻辑控制的特点，综述了模糊逻辑在汽车发动机控制，自动变速器控制，ＡＰＳ悬架控制，故障诊断，巡航控制等方面的应用。     

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。     

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。     

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.     

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。