TSK模糊模型的GA—BP混合学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出一种基于GA—BP的TSK模糊模型学习方法。论述了所涉及的相关问题,包括模型结构的种群编码、进化策略及其适应值评估策略,推导了在进化过程中模糊模型前件和后件参数的BP算法。仿真结果表明：该方法具有先验知识要求少、获取的模型具有较好的精确性和简洁性等特点。     

一种基于模糊理论的区域性高边坡稳定性评价方法

介绍一种区域性高边坡稳定性的评价方法。以重庆万梁高速公路沿线高边坡为例,通过对野外现场调查资料与已有地质资料的分析,建立山区实际地质环境条件下高边坡稳定性评价的指标体系。利用层次分析方法确定该指标体系中评价指标的权值,根据二级模糊综合评判法和最大隶属度原则,建立区域性高边坡稳定性的模糊综合评价模型。工程实例表明:作为一种具有普遍意义的高边坡稳定性评价方法,基于模糊理论的区域性高边坡综合评价方法是山区公路铁路沿线高边坡稳定性评价的有效方法,不仅能为工程选线服务,也可为区域性高边坡的优化设计提供依据。     

实心车轴单轮对的脱轨试验与数字仿真

从轮轨关系的角度介绍实心车轴单轮对脱轨的研究现状及脱轨的数字仿真分析。在准静态条件下,在全尺滚动试验台上进行了试验,研究了轮对冲角以及作用于爬轨侧轮缘和非爬轨侧轮缘上的垂向载荷的比率等参数对试验结果的影响。本文在试验结果的基础上,分析了现有的一些评判脱轨的准则,并提出了2个新的评判准则。建立了一个基于爬轨过程的轮轨接触数学模型,并利用数字仿真结果与实测试验的结果对比,验证了该模型的正确性。     

列车运行过程的自适应模糊控制

以离线优化获得的策略对列车进行控制时,由于列车总重、线路坡道、车辆类型等不确定因素的影响,难以取得满意的效果。为此,采用自适应模糊控制方法,在总结分析基础上,充分利用现场操作人员经验,建立初始的模糊逻辑系统,以列车运行过程中的相关数据对模糊系统有关参数进行实时修正,这样,最终得到一个既能够利用专家经验信息又可以利用数据信息的自适应模糊系统,以此对离线优化所得到的控制策略进行调整,仿真研究表明,该方法可以有效消除列车总重、线路坡道、车辆类型等不确定因素对列车控制的影响,能够获得满意的效果。     

隧道渗漏水病害等级评价体系研究

研究目的:隧道渗漏水是隧道运营中的主要地质灾害之一,为了更好地预防渗漏水的发生,以及运营阶段的渗漏水病害治理,本文系统性提出了"隧道渗漏水病害发生可能性等级预测——运营隧道渗漏水病害等级评价——现场实测资料评价渗漏水病害等级"的思路,为隧道渗漏水病害分级预测、评价提供一条新思路。研究结论:采用不同的随机性数学方法建立了渗漏水病害发生可能性等级预测、运营隧道渗漏水病害等级评价的模型,并进行了模型的实例应用研究。结果表明马氏距离法预测隧道渗漏水的等级,BP神经网络方法和模糊综合评价法评价渗漏水等级与现场资料实测的评价等级一致。     

基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。     

TSK模糊模型的GA-BP混合学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出一种基于GA-BP的TSK模糊模型学习方法。论述了所涉及的相关问题,包括模型结构的种群编码、进化策略及其适应值评估策略,推导了在进化过程中模糊模型前件和后件参数的BP算法。仿真结果表明:该方法具有先验知识要求少、获取的模型具有较好的精确性和简洁性等特点。     

模糊PID控制技术发展及应用中的问题分析

文章简要回顾了模糊控制的发展过程及现状，介绍了模糊控制的基本功能构成；并从系统化设计方法、控制性能优于传统控制器的模糊控制器设计、模糊控制器非线性逼近能力、模糊规则爆炸四个方面讨论了阻碍模糊控制技术发展的几个重要理论问题。最后阐述了模糊控制技术在生产实际中的应用。     

道路交通安全评价方法的探讨

本文针对影响交通安全因素多样性以及评价者思维方式多样性,利用神经网络等理论知识,建立综合评价模型,对道路交通安全评价方法进行探讨.     

基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.