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。     

基于模糊神经网络的列车制动控制智能算法研究

在基于模糊神经网络结构的基础上,通过分析影响建立模糊神经网络模型的主要因素,建立了用于列车运行控制的控制器模型,并且给出了相关参数的辨识方法.以货物列车为仿真对象,采用带有动量因子的BP反向传播算法对整个控制模型进行了仿真.仿真结果表明,基于模糊神经网络的智能算法能够满足列车制动控制的安全性、准确性及舒适性的要求,将其运用于列车制动控制是可行的.     

基于轴距预瞄的半主动悬架模糊神经网络控制

应用模糊控制和神经网络控制理论,构建了1/2车辆的半主动悬架模型,设计了基于轴距预瞄的半主动悬架模糊神经网络控制系统.对前轮半主动悬架采用以对应处车身垂向加速度为目标的模糊控制,对后轮半主动悬架采用轴距预瞄模糊控制,并利用神经网络来调整模糊控制器的控制规则和隶属度函数.在不同车速下对所建的控制系统分别进行了白噪声和路面脉冲输入的仿真.结果表明,与传统的被动系统相比,轴距预瞄模糊神经网络控制的半主动悬架系统能有效降低车辆振动;与模糊控制的半主动悬架系统相比,质心垂向加速度和后轮对应处车身加速度均有显著减小,较好地改善了车辆的行驶平顺性.     

基于模糊神经网络的氢燃料汽车发动机双模式控制系统

建立了以模糊神经网络控制器和点火提前角转速自适应控制器串联组成的开闭环相结合的双模式控制系统用以实现对控制变量的分级控制。改进的模糊神经网络模型进行的最佳点火提前角的仿真与试验结果的对比研究表明：该方法求解氢发动机的最优化控制模型具有令人满意的结果。     

ATM车辆巡航模糊神经网络控制

本文利用模糊神经网络在不能获得精确数学模型的非线形系统中能够达到最优控制的特性，建立了车辆巡航模糊神经网络控制模型，并对其离线训练后应用于ＡＭＴ车辆巡航控制，取得满意效果。     

AMT汽车动态模糊神经网络三参数换挡策略研究

提出了动态模糊神经网络三参数换挡控制原理及其控制器训练算法,将该控制器运用到长安羚羊AMT轿车上,进行神经网络三参数换挡控制仿真与试验,并与两参数换挡进行了比较。结果表明,采用动态模糊神经网络三参数换挡比两参数换挡更符合驾驶员的换挡经验和习惯,挡位切换曲面变化平滑,比传统计算法求解换挡规律更简便,易于实现,鲁棒性更强。     

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.     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

Chaos Control of Freeway Mainline Using Variable Speed Limits with FNN Based on Subtractive Clustering

研究基于减法聚类的高速公路混沌系统主线可变速度模糊神经网络控制方法.针对交通系统的不确定性和非线性,提出了通过数据挖掘技术建立高速公路主线混沌控制器知识库的思想,简介了高速公路主线可变速度混沌控制原理,设计了以密度、上游车流量和最大李雅普诺夫指数作为输入,主线速度上限值作为输出的T-S模糊神经网络混沌控制器.采用减法聚类方法确定了控制器结构,包括提取模糊规则、产生控制器初始参数.使用遗传算法对聚类半径进行了优化,并采用模糊神经网络方法对控制器参数进行了优化.仿真结果表明:采用该方法设计的高速公路主线智能混沌控制器,可保持高速公路上的有序运动,从而达到抑制交通堵塞、提高道路通行能力的目的.     

汽车非线性半主动悬架的模糊神经网络控制

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性，建立车辆6自由度的半主动悬架非线性动力学模型。提出了一种基于模糊神经网络系统结构的模型参考自适应控制方法来研究汽车半主动悬架的非线性控制问题，并考虑半车模型前后悬架的输入时滞，对其进行了仿真研究。研究结果表明：运用模糊神经网络非线性控制方法能够使人体和车身垂直加速度、俯仰角加速度都得到很大的衰减，证实这种模糊神经网络控制方法可大大减少路面对车身的振动冲击，提高汽车行驶平顺性。     

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。     

基于无师GFMM神经网络的公路工程工时定额测算方法研究

论述了工时定额的概念及影响因素、常用的工时定额制定方法、线性神经网络模型的不足。提出了一种模糊极大极小人工神经网络模型的工时定额测算方法,该方法不仅具有一般神经网络的优点,可以输入n维模糊量,而且能够直接处理模糊变量。同时,网络的训练采用无师学习方法,使得模型能够应付新出现的影响因素,从而可以解决新技术、新工艺的出现对工时定额的动态影响。     

隧道施工安全评价模糊神经网络技术应用研究

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。     

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。     

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。     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

车用发动机故障综合智能诊断方法研究

提出了用模糊神经网络代替模糊推理并与规则推理相结合的新的诊断实用技术,给出了一个汽车发动机的诊断实例。结果表明该方法有效,具有工程应用前景。     

基于逆模型的柴油机供油提前角优化研究

结合某柴油发电机的应用开发作排放和性能分析,通过测试分析不同供油提前角下的试验数据,利用数值分析初步处理并建立模糊数值化优化约束条件,利用神经网络技术进行优化仿真试验,验证了该逆模型的有效性,总结了供油提前角对柴油机不同排放成分的影响程度,确定了该柴油机的最佳供油提前角。结果证明,用模糊神经网络技术来确定柴油机最佳供油提前角具有一定的可行性和工程应用价值。     

发动机试验台测控系统模糊神经网络控制方法的研究

结合模糊控制、神经网络、遗传算法的优点,提出发动机试验台测控系统模糊神经网络控制方法。利用遗传算法的全局优化策略,避免陷入局部最小点的缺陷。在建立发动机-测功机传动系统动力学模型、发动机有效转矩模型、测功机励磁电流模型的基础上,进行了动态仿真模拟,较好地解决了试验台控制的稳定性及测量的实时准确性问题。