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。     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

基于安全距离模型的车辆跟随控制策略研究

针对车辆协同驾驶领域中的跟随过程,建立了安全距离控制模型,采用BP神经网络PID控制策略设计了控制器,并通过MATLAB/Simulink软件进行仿真分析,将BP神经网络PID控制与传统PID控制的控制效果进行了对比,最后运用缩微环境下的智能车辆系统试验平台设计了Update算法,完成了跟随试验验证。仿真和试验结果表明,本文设计的智能控制器减小了车间距误差,提高了控制准确性,能满足车辆安全跟随行驶要求。     

电喷天然气发动机空燃比闭环控制及仿真研究

建立了用于控制仿真分析的天然气发动机动态模型 ;利用所建立的动态模型 ,进行了天然气发动机空燃比控制的动态仿真 ,分别采用PID控制器和神经网络控制器进行控制 ,并对控制效果进行了研究 ,比较分析了不同的控制策略在空燃比控制系统中的作用。     

基于BP-PID的电动汽车热泵空调温度控制系统研究与设计

电动汽车热泵空调系统具有时变性、非线性和滞后性的特点,传统的比例-积分-微分（PID）控制方法无法达到理想的控制效果。针对反向传播（BP）神经网络,推导出其正向和反向传播阶段公式,给出了详细的控制算法设计,在传统PID控制器基础上设计出一种自学习BP神经网络PID控制器。对热泵空调系统模型仿真,结果表明,该控制器具有稳定性高,鲁棒性好等优点,优于传统PID控制效果。最后把BP-PID算法与脉冲宽度调制（PWM）控制相结合,进行了系统软硬件原理设计,与传统PID控制相比稳定时间从155 s减少到145 s,实现空调温度控制,为后续车型开发做准备。     

基于BP-PID控制器的盾构液压推进控制系统研究

为解决盾构在复杂地层施工时推进速度和压力难以控制的问题,在压力流量控制的基础上提出BP神经网络控制策略。通过AMESim建立推进系统物理模型,并利用Simulink设计出BP神经网络控制器,最后对系统进行联合仿真,分析推进系统液压缸在变流量和变负载工况下推进速度和压力的响应特性。仿真结果表明:该控制策略与常规PID控制相比,波动幅度降低,调节时间快。采用BP神经网络PID控制能够有效地提高盾构在负载突变情况下速度和压力控制精度,稳定性好、适应能力强,为盾构控制系统设计和优化提供理论参考。     

神经网络PID控制参数整定及仿真

PID控制器算法简单,鲁棒性好,可靠性高,但是参数整定通常是依靠经验来确定。神经网络具有很好的自适应能力和非线性映射功能,对智能控制有很好的效果。本文通过BP神经网络的自学习能力对PID参数进行在线整定,并通过matlab软件进行仿真研究。仿真结果表明:通过BP神经网络,可以对PID参数进行有效的整定。     

基本点火提前角的BP神经网络生成方法仿真和评价

对应用BP神经网络求取汽车ESA基本点火提前角的方法进行了仿真和评价。在分析考虑基本点火提前角影响因素的基础上,建立起基本点火提前角的BP神经网络模型,并将仿真得到的结果与插值法进行比较。从比较的结果可知,BP神经网络的控制效果要优于传统的线性插值法。     

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.     

液压半主动悬架的自适应神经网络控制

提出了液压半主动悬架系统的自适应神经网络控制策略 ,分析了系统模型及自适应神经网络控制器的设计和实现 ,并对控制效果进行了仿真研究。结果表明通过这种控制策略可以得到比较好的控制效果。     

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。     

基于模糊逻辑的高速公路入口匝道控制方法

为提高高速公路入口匝道的控制能力,以达到增进车流平稳性的目的,对传统闭环控制器ALINEA进行了扩展,并结合模糊逻辑理论,给出一种新的入口匝道控制器。该模糊控制器加入了流量变化的因素,以交通流量为控制目标,实际流量与设定期望值的偏差及流量变化量作为输入,根据所设定的模糊规则给出匝道控制率的调节量。最后通过实例对控制器进行了评价。仿真试验表明:该模糊控制器能够快速地将交通流调整到期望状态,可以适应主干道交通流以及匝道需求的大幅变化,有效抑制波动的产生;同传统的ALINEA策略相比,模糊匝道控制器具有更加稳定的控制效果。     

CVT分段参数自调整PID速比控制研究

针对CVT速比控制的特殊要求,在综合考虑常规PID控制经验及控制效果的基础上,设计了分段参数自调整PID速比跟踪控制器。建立了装备CVT系统的整车动力学仿真模型,并利用Matlab/Simuink工具进行了起步、加速和坡道行驶等典型工况的仿真研究。结果表明,该控制器具有较强的鲁棒性和解耦能力,以及良好的动态响应能力和较高的稳态控制精度。     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

基于 NTCIP 协议快速路匝道控制器的设计与实现

匝道控制决定了城市快速路进出口匝道以及与之关联的地面道路交通状况,为确保快速路匝道控制与 ITS 系统组成各单元彼此间的“互操作性”和“互换性”。基于 ARM9G20的 CPU 核心板,实现了多接口控制和扩展的匝道控制器,根据 NTCIP 协议中1207匝道交通信号控制协议 MIB 的内容,构建了包含完整对象操作内容的结构体,通过管理中心和匝道控制器间 SNMP 信息报文接收、发送,完成对数据库中对象的读取、设置,实现 NTCIP 1207中相应功能和灯组交通配时的控制,从而解决不同匝道控制器协调、通信上的障碍。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。     

基于神经PID的永磁无刷直流电机调速控制器设计

在分析永磁无刷直流电机(BLDCM)数学模型的基础上,建立了相应的仿真模型。设计了用于BLDCM转速控制的神经PID控制器。通过仿真计算,验证了神经PID响应快、跟随性好、鲁棒性强的特点,能够满足干式双离合器式自动变速器中对离合器作动控制系统的要求。     

电动助力转向系统控制的台架试验研究

提出了将基于模糊神经网络的PID控制策略用于电动助力转向系统中助力电机的控制。设计了电动助力转向试验台，并进行了电动助力转向系统的台架试验。试验结果证明，采用模糊神经网络控制器确定目标电流，并使用PID反馈控制器跟踪目标电流的控制策略是十分有效的，能显著提高汽车的转向轻便性和灵敏性。