长江张南水道航行环境危险度评价

将长江张南水道作为具体研究对象,将地形条件的四大影响因素作为输入变量,应用模糊推理方法,对操船环境危险度进行评价,并对评价结果进行了分析和探讨.     

基于中关村西区的地下停车诱导信息系统设计

以北京中关村西区地下停车场为背景，对停车诱导信息系统进行了设计与研究。文章主要介绍了中关村西区地下停车场诱导信息发布方案的设计，基于BP神经网络的停车泊位预测以及基于模糊推理的地下环廊路段优化选择，并给出了Matlab环境下的仿真结果。     

小车倒立摆系统的模糊控制仿真研究

小车倒立摆系统是一个典型的非线性、不稳定的控制对象，因此小车倒立摆系统的控制问题被公认为控制理论中的一个典型问题。本文基于Mamdani和Takagi-Sugeno(简称T-S）模糊推理模型分别建立了小车倒立摆模糊控制系统，用仿真的方法研究了它们的控制性能和特点，并与传统的PID控制方法进行了比较。     

广义软算子及其在模糊推理结论的保真性问题中的应用研究

本文提出了新的介于最小与最大运算间的广义软算子概念，并研究了广义软算子的重性质，广义软算子是ＯＷＡ算子的推广。广义软算子可广泛应用于模糊推理结论的保真性等问题的研究中。     

舰船避碰行动评价综述

近期一些重大的海事事故表明,舰船碰撞事故在各类海事事故中所占的比例最大,且大部分与舰船长决策失误有关。如何对舰船长所采取的避碰行动方案进行合理的评价,已成为航海领域的一项重要研究内容。本文对现有的一些评价方法进行了综述,简要地指明了它们的优缺点。     

基于长下坡路段车速与制动器温度实时监测的模糊推理预警算法

提出一种实时的车辆长下坡路段车速与制动器温度预警算法.建立长下坡路段的整车纵向力平衡方程和能量方程,分析制动器耗散能量占总能量的比例,研究车速对制动器耗散能量大小的影响,结合制动器吸收能量占制动器耗散能量的比例经验公式,建立制动器温升计算模型;基于试验数据,采用最小二乘法确定模型中的待定系数,比较模型计算的温升与试验数据,最大的均方根误差为12.1℃,对应车速为38 km/h,最小均方根误差为3.7℃,对应车速为50 km/h.安全车速根据安全制动距离和路面纵坡计算得出.预警算法依据车速和制动器温度变化,构造模糊推理系统计算车辆危险指数,综合评价车辆下长坡的危险程度.     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

基于模糊推理的交通需求总量组合预测模型研究

组合预测模型的权重向量是影响预测精度的关键因素.考虑到单个模型的前期预测绝对误差,和连续k期相对误差率因子对单个模型的权重影响程度难以精确量化,采用模糊数学的方法对绝对误差和k期相对误差率进行模糊化,并基于典型模糊推理控制结构设计推理规则,从而对单个预测模型的权重进行动态计算.     

基于Fuzzy-logic的城市交叉口交通状态评价研究

以往研究多从中观的角度,将路口归入路段,但都未能对交叉口交通状态作重点分析.针对该问题,将路口交通状态划分为4个等级,建立了路IJ运行状态评价指标体系及相应的模糊综合评判模型,并结合一典型交叉口实例对其运行状态进行了评价分析,从而为评估城市交通拥堵、制定相应的交通管理和控制策略提供了一种有效的定量分析方法.     

Support vector machine-based fuzzy rules acquisition system

This paper proposes a support vector machine-based fuzzy rules acquisition system (SVM-FRAS). The character of SVM in extracting support vector provides a mechanism to extract fuzzy If-Then rules from the training data set. We construct the fuzzy inference system using fuzzy basis function (FBF). The gradient technique is used to tune the fuzzy rules and the inference system. Theoretical analysis and comparative tests are performed comparing with other fuzzy systems. Experimental results show the SVM-FRAS model possesses good generalization capability as well as high comprehensibility.