基于FNN的驼峰车辆减速器出口速度的计算

减速器出口速度的合理性直接影响着驼峰溜放作业的效率和安全。目前，国内外常用的驼峰车辆溜放速度控制模型主要是基于车辆走行阻力的统计特性。但车辆走行阻力是随机、离散的复杂变量，难以准确测定；而且，基于这个统计模型的出口速度计算法比较机械，没有自适应能力，使得某些溜放环境变化后，溜放作业的安全连桂率有所下降，安全善恶化。为此，本文基于模糊神经网络（FNN）理论，提出了一种新的计算车辆减速器出口速度的智能控制模型。该模型采用五层的前向神经网络来构造模糊系统，以模拟熟练的调速作业员给定出口速度的模糊和自适应策略，并在相关的先验知识的基础上，使用了改进的误差反向传播学习算法，具有自学习和自适应能力。在驼峰溜放环境变化时，控制系统能通过自学习，自动校正减速器计算出口速度模型，改善控制品质，使系统保持设计的安全连挂率。计算机模拟结果表明这种模型是很有效的。

Calculating Exit Speed of Rolling Cuts Based on Fuzzy Neural Networks