基于复合神经网络模型的四轮独立驱动电动车控制

针对四轮独立驱动电动车的运动控制，提出了一种基于Ackerman转向模型和神经网络方法的复合模型，用于对各个车轮转速进行仿真和控制。这种复合模型的特点是结构非常精简，其参数可用实际整车数据来直接整定，尤其适合于车辆的中低速运行控制。     

公路隧道纵向通风的神经网络在线控制研究

针对单向交通的公路隧道采用射流风机进行纵向通风的特点,提出了采用神经网络在线控制的方法.利用该方法建立隧道通风在线控制模型,并结合空气动力学模型、污染模型及交通模型进行了隧道纵向通风过程的动态模拟仿真.结果表明,在公路隧道纵向通风中应用神经网络在线控制可以取得良好的效果.     

信号交叉口排队长度预测的神经网络方法

预测信号交叉口的排队长度可以为交通信号控制和管理提供非常重要的信息.基于神经网络,针对定时和感应信号交叉口两种不同情况,成功实现了单、双车道排队长度的预测.同时,感应器与停车线之间的距离对预测精度的影响也进行了初步分析.模拟结果同时表明,神经网络对左转车道排队长度的预测效果不佳,不能为信号控制和管理提供有效的信息.     

用改进的前向神经网络预测铁路货运量

对影响铁路货运量的因素进行了分析。根据影响铁路货运量的诸因素的特点，介绍了一种改进的前向神经网络预测方法，并建立了铁路货运量前向神经网络预测模型。算例表明，其预测精度高于常规预测方法。     

汽车半主动悬架的神经网络自适应控制

本文提出了用两个线性神经网络对汽车半主动悬架系统进行在线辨识和控制的策略，介绍了该控制系统中神经网络的在线训练方法，进行了仿真计算和结果分析。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳旁噪声进行了实验研究，结果表明：基于神经网络的单一工况车内噪声观测模型，可以频域内很好地预测出特定点的车内噪声。     

高速公路智能交通控制系统的建模及多层描述

本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架，其主要思想是：利用神经网络及其他智能方法建立高速公路稳态和动态模型，在此基础上结合交通系统的特点提出改进的多层描述方法，即把高速公路交通系统控制问题分为自组织层，最优化层和调节层，试图解决传统方法在高速公路交通系统的分析，建模和控制中遇到的问题。     

利用神经网络模型实现压气机特性图的三维逼近

利用BP神经网络模型对涡轮增压发动机中的压气机进行建模，得出其通流特性和效率特性图，给出拟合的相关系数，并将此模型应用于涡轮增压发动机整体系统的模拟计算中。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

第二代汽车电子稳定程序ESPII

Continental Teves公司的第二代ESP系统在原有ESP系统的基础上引入主动转向技术,不仅提高了行驶安全性,而且还开启了驾驶舒适性的新纪元。系统使车辆在极限工况下更易操纵,并且在驾驶上更具有灵活性。通过引入状态估计器、协调控制算法等技术实现了底盘集成控制,指出了未来电控底盘的发展方向。