模糊神经网络在发动机失火故障诊断中的应用

利用模糊神经网络对发动机失火故障进行诊断,建立起了模糊神经网络控制模型,应用MATLAB软件对其进行训练及仿真,结果表明此控制方法是有效的、可行的。     

两级模糊优选模型及非结构性模糊决策理论在桥梁方案比选中的应用

选择桥梁设计方案,涉及诸多因素,这些因素在某些情况下相容,在某些情况下又相斥。为了协调这些复杂关系,并降低人为因素的影响,本文引入两级模糊优选模型及非结构性模糊决策理论。并运用此模型,进行一桥梁的设计选型优化,得到了比较理想的结果,证明了此模型在桥梁方案比选中的实用性。     

动态OD反推理论中的关键问题研究

针对ITS研究中动态OD矩阵难以获得的问题,回顾动态OD反推理论的发展历程,在此基础上明确了该领域研究中的四个关键问题:状态变量的选择、系统方程的确定、OD量与路段流量的关系和OD矩阵动态特性的体现,在对其进行分析的基础上提出每个关键问题的解决方法,为动态OD反推理论的进一步研究垫定基础。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

液压挖掘机节能用油门模糊控制器的开发研究

从液压挖掘机节能角度出发,提出了实现挖掘机节能的理论和控制方法。根据实际工作中不同的作业对象和工作要求,将挖掘机分为四个动力模式,分别对应不同的发动机转速。为使发动机转速控制在规定的低油耗区范围内工作,在油门控制中采用了模糊控制方法。根据挖掘机外部负载改变而引起的发动机转速变化情况,由模糊控制器实时控制步进电机实现对发动机油门的精确控制,从而达到节能的目的,并基于此方法进行了挖掘机节能控制台架试验,试验结果验证了控制理论和方法能够实现对油门的精确控制,是可行的。     

模糊逻辑推理在消除交通流诱导负效应中的应用

针对交通流诱导可能产生的负效应问题,提出了诱导负效应消除的原理和模糊逻辑推理方法。在原理设计中,考虑了出行者的出行行为对网络交通流分配的影响;在实现方法上,应用模糊推理技术对分流交通量进行了预测,并设计了路线交叉口信号灯配时方案调整的模糊控制算法,模拟结果验证了模糊逻辑推理技术的有效性。研究表明:交通流诱导负效应的产生主要是由于信息条件下的道路出行者路线选择行为的不确定性引起的,而且交通流诱导与控制同时进行是消除交通流诱导负效应产生的关键。     

公路交通可持续发展评价指标及评价方法研究

根据公路交通可持续发展评价的内容和特点,从公路交通可持续发展水平、发展能力、发展协调性3个方面建立了评价指标体系;提出了指标属性值和无量纲化的计算方法;应用模糊识别原理,结合AHP权重确定方法,依据公路交通可持续发展目标(级别划分)的实现程度,提出公路交通可持续发展的多级模糊识别综合评价模型;其评价方法和模型,反映了公路交通可持续发展的内涵,对区域公路交通可持续发展评价有借鉴作用。最后,进行了实证研究。     

基于WBS与多层次模糊综合评估的桥梁检测评估方法的研究

介绍了WBS方法在桥梁检测评估中的应用,提出了WBS方法与多层次模糊综合评估相结合的桥梁检测评估方法,并用实际工程加以了分析及验证.将WBS方法与多层次模糊综合评估相结合,使桥梁评估既便捷又科学,提高了桥梁检测评估的可靠度.     

舰艇编队信息融合中模糊C-均值算法改进研究

在分析舰艇编队信息处理融合的基础上,提出舰艇编队信息融合体系结构、模型和实现框架。针对原C-均值算法在处理数据时的不合理性,提出了改进的模拟C-均值算法,提高分类效果,满足信息融合的实时要求和可靠性要求。     

Travel time estimation from sparse floating car data with consistent path inference: A fixed point approach

Estimation of urban network link travel times from sparse floating car data (FCD) usually needs pre-processing, mainly map-matching and path inference for finding the most likely vehicle paths that are consistent with reported locations. Path inference requires a priori assumptions about link travel times; using unrealistic initial link travel times can bias the travel time estimation and subsequent identification of shortest paths. Thus, the combination of path inference and travel time estimation is a joint problem. This paper investigates the sensitivity of estimated travel times, and proposes a fixed point formulation of the simultaneous path inference and travel time estimation problem. The methodology is applied in a case study to estimate travel times from taxi FCD in Stockholm, Sweden. The results show that standard fixed point iterations converge quickly to a solution where input and output travel times are consistent. The solution is robust under different initial travel times assumptions and data sizes. Validation against actual path travel time measurements from the Google API and an instrumented vehicle deployed for this purpose shows that the fixed point algorithm improves shortest path finding. The results highlight the importance of the joint solution of the path inference and travel time estimation problem, in particular for accurate path finding and route optimization.