模糊进化神经网络理论与技术框架

分析目前进化算法，神经网络和模糊逻辑等理论技术及应用研究存在的问题，以及目前这些智能理论融合技术和神经网络自动设计研究现状，研究了现有智能理论技术相互之间包含的智能行为及属性，提出了模糊进化神经网络理论，其中，给出其本概念，研究目的，内容和框架体系，详细描述了模糊进化计算，模糊进化神经网络和进化模糊系统从模型初始化，参数自适应到网络自动设计，模型评价等核心技术及其解决思路和实现算法。对于模糊进化计算，提出了其控制参数模型初选，模糊自适应进化，优化算法及其结果的模糊评价等方法，对于模糊进化神经网络，提出了其全自动设计，控制参数模糊初选，模糊自适应进化以及网络模型的模糊评价与选择等方法，对于进化模糊系统，提出了基于模糊进化计算的模糊神经网络参数和模糊系统参数的优化方法。     

确定工业编组站车列推峰最优顺序的两种方法

目前工业编组站车列推峰的选定订是人工凭经验来确定，这严重约束了调度信息自动化管理。为了促进工业编组站调度信息管理系统的建设，文章从人工选定推峰车列顺序主要考虑的到达时间，解体时间，发车时间及编组需要，生产急需这些因素出发，对各因素形成的作业方案进行了归纳，并对各作业方案提出优化判据。为了综合考虑各作业方案以确定最优推峰顺序，文中提出了两种处理方法，从理论上对此问题进行了定量分析探讨。其中一种是运用模糊数学的理论和思想，对所有作业方案进行模糊综合评判，从而确定最优推峰顺序；另一种则是运用运筹学的原理和方法，以解体作业消耗和总费用少以及在解体作业时间内发出车辆在站停留的车小时消耗最小为原则，来确定最优推峰顺序。     

基于模糊时间Petri网的列车运行时间不确定性问题的处理

定义一种应用于铁路列车运行系统的模糊时间Petri网；针对列车运行时间存在的不确定性，该Petri网引入了4个模糊集理论函数：模糊时间片、模糊使能时间、模糊发生时间和模糊延迟，来处理时间的不确定性问题；能够对列车运行过程中的时间不确定性问题进行定量分析，可以有效应用于列车交会、列车终到时间、列车运行计划调整的分析等；其相对于已有的方法具有精确分析、计算简单、简化系统、便于系统集成的特点。     

计算搭接施工计划时间参数新模型

为了编制和优化搭接施工计划,计算工作最早开始时间、最迟开始时间、最早完成时间、最迟完成时间、总时差、自由时差和计算工期十分重要。提出了一种计算搭接施工计划时间参数新模型。该模型以工作完成时间为决策变量,通过建立和求解线性规划模型来得到搭接施工计划时间参数：其建模思路独特,不需绘制网络图,能用通用办公软件EXCEL求解。模拟计算表明,用该方法与用标准搭接网络计划技术计算出的时间参数完全一致。     

基于模糊形变模型的3D表面自适应重建

结合模糊技术、形变模型和ＡＣＤ方法提出了基于模糊形变模型的３Ｄ表面自适应重建方法。在模糊分割的基础上，引入了模型的模糊外力，在该模糊外力作用下模型能逼近任意复杂的物体表面；利用ＡＣＤ方法使模型自适应地改变其拓扑结构；为了提高表面重建的速度和鲁棒性，提出多尺度重建算法。实验结果表明该方法的有效性。     

铁路货场装卸作业的安全性评价模型

通过对铁路货场装饰作业特点的分析，建立铁路货场装卸作业安全性的评价指标体系，利用AHM属性层次分析法确定各因素的权值，然后利用多级模糊综合评判法进行评判，以判定货场装卸作业安全程度的高低。     

模糊系统辨识方法在TIG焊过程建模中的应用

运用模糊集合理论，通过系统输入／输出量测值进行相关分析来建立脉冲ＴＩＧ焊动态过程的模糊模型，这是基于模糊关系模型系统辨识方法，并给出了模型精度的测试结果，结果表明，用该方法对ＴＩＧ焊过程建模是有效的。     

大规模铁路网上点,线运输能力协调利用的模糊整数规划方法

基于模糊整数规划及系统优化的观点研究大型复杂铁路网上线路能力、编组站能力的协调利用问题。为此，建立了该问题的模糊非线性０－１规划模型。本模型是在总费用（包括总有调费用，总无调费用，总换算车公里消耗，始发车流装卸地费用以及能力虚糜费用）最小的目标下，寻求一套最合理的全路网编组站负荷分配及线路负荷分配方案。为了避免能力利用处于无益虚糜状态，又尽量不吃后备系数，模型中采用了模糊能力资源限制条件。从而使得     

信息系统评价指标体系及方法的研究

根据系统评价的原则，提出了信息系统评价的指标体系结构模型，并用模糊综合评价方法和人工神经网络方法进行了研究，最后用一实例进行了说明。     

基于模糊聚类的高速列车车速识别

本文提出了一种基于时间序列分析和模糊聚类分析的高速列车车速识别方法。首先,分析列车以不同车速通过桥梁时桥梁结构的加速度响应的差异性,判定了列车上桥和下桥的时间;然后,由时间序列分析建立不同车速下桥梁的加速度响应时间序列模型(AR模型),计算了AR模型系数;最后,通过对不同AR模型的系数进行模糊聚类分析来识别高速列车车速。针对某铁路桥的实测加速度样本数据,以已知车速条件下的车速聚类划分结果为依据,将未知车速的聚类划分结果与已知车速的聚类划分结果进行对比分析,成功确定了高速列车未知车速区间。     

不确定环境下应急物资配送问题研究

针对受灾点的需求量、车辆从配送中心到受灾点的运行时间及单位成本为三角模糊数的应急物资配送问题,建立系统总费用最小和总的时间惩罚成本最小的双目标规划模型,利用模糊数的相关理论将模糊规划模型转化为确定型双目标混合整数规划模型,并由此设计了该模型的求解算法,通过算例说明了算法的可行性和有效性。分析表明,最优的车辆路径的决策方案与权重值ω关系密切,故决策者在决策时应根据实际情况选择合适的权重值ω。     

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。     

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。     

复杂工业过程的模糊建模与控制

利用模糊理论,进行复杂工业过程的模糊建模与控制研究。主要在基于改进模糊聚类的可解释性模糊建模、基于分布补偿和线性矩阵不等式的模糊系统稳定性分析和控制器设计、基于TS模糊状态空间模型的模糊预测控制、玻璃熔窑模糊控制系统四个方面进行研究。主要研究内容如下。基     

碎石道碴质量等级的模糊评判方法

探讨了建立多级模糊评判模型综合评定道碴质量等级的方法，提出了改善道碴分级的建议。     

模糊需求下快捷货物低碳运输方式及路径选择

针对模糊需求下的低碳快捷货运运输方式选择及路径规划问题,运用模糊优化理论,以2-型三角模糊变量表示不确定需求,以运输成本和碳排放量为目标,建立多目标模糊机会约束规划模型。采用逼近理想解排序法对多目标进行处理,得出不同置信水平下的快捷货物运输方案;进而探讨置信参数变化时对运输成本及碳排放量的影响,分析运输成本及碳排放量随运输时间的变化情况。研究结果表明:碳排放量对快捷货物运输方式及路径选择具有一定影响;需求不确定时,在满足运到时限的前提下,合理选择运输方式和路径对于降低运输成本和减少碳排放具有重要意义。     

基于定量与定性指标综合分析的工程项目评标方法

在工程项目的评标中，利用模糊综合评判法来确定定性指标的得分，通过建立隶属度函数来确定定量指标的得分，从而，结合模糊综合评判与隶属度函数模型，示例一个工程项目的评标方法。     

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。     

基于模糊路段流量的OD反推的不确定规划模型与算法研究

考虑调查数据存在的偏差,将路段流量视为一个模糊数,在此基础上构造一个OD反推的双层规划模型,其上层为一模糊期望值模型,即以路段计算流量与实测流量的偏差模糊期望值最小为目标;下层为用户平衡分配模型.为求解该模型,将模糊模拟、二分法、人工神经网络以及遗传算法相结合,给出一种混合智能算法及其步骤.通过一个简单的路网进行仿真试验,最后对这一新方法的有效性进行检验,并对结果进行了分析.     

智能型电子防滑器控制系统的试验研究

在智能型电子防滑器控制的研究中，通过试验数据的仿真研究表明了防滑器模糊神经网络控制模型建立的正确性。在此基础上，本文利用车辆盘形制动模拟试验台进行了室内车辆制动防滑模拟试验，以进一步验证其所建立的防滑器智能控制模型，并考核滑器模糊神经网络控制模型的滑行判断能力和防滑性能。由试验结果表明在智能型电子防滑器控制系统的研究中，所建立的防滑器控制模型具有专家知识和推理能力，能够根据加减速度和冲动（由于试验台的局限，本文滑移率控制参数为零）两个变量正确判断轮对的运动状态，特别是冲动变量的引入使得控制模型可以提前检知车轮的运行趋势，防止滑移率和减速度的过度增大，避免滑行的发生，模糊神经网络在防滑器上的成功应用将开创防滑研究的新阶段。