基于ANFIS的轮胎侧向力模型

用自适应神经模糊推理系统(ANFIS)建立了轮胎的侧向力模型,并与反向传播神经网络(BPNN)建模结果作出比较。     

基于模糊推理的驾驶员意图识别研究

对驾驶员换档操作进行了动力学分析,定义了平直道路匀速行驶的平衡节气门开度和相对节气门开度,研究了典型工况下驾驶员操作特征,将平直道路行驶时的驾驶员意图分为相互关联的五类,并在此基础上提出了将驾驶环境和驾驶员操作相统一的识别方法。根据相应的实车实验数据和经验收集,制定了模糊推理的规则库,建立了多输入单输出的模糊推理模型。对实车实验数据进行了离线识别验证,能够比较准确完整的识别驾驶员意图。     

基于关联规则挖掘的路段流量关系的分析

采用关联规则挖掘方法对路段流量之间的关系进行分析并结合模糊规则提取路段流量之间的模糊推理规则，从而由一个路段的流量可以推理其他路段的流量，这样便可以在路网流量预测算法中采用尽可能少的路段，从而达到系统降阶的目的。现场试验及仿真实验证明，本文所提算法的确可以实现系统的有效降阶，使得现有路网流量预测算法满足实际需求。虽然在一定程度上损失了预测精度，但这个损失仍然在可接受范围之内。     

基于模糊推理的高速公路软基处理技术决策专家系统研究

针对高速公路软基处理技术的方案决策问题,结合人工智能原理和软基处理的知识特点,建立了基于模糊推理的高速公路软基处理技术决策专家系统推理模型,重点阐述了系统参数的确定方法,并运用实例进行了推理验证。     

舰船耐波性指数的神经网络模糊评价方法

此文将神经网络驱动的模糊推理系统用于耐波性能标的计算,并与回归法做了比较,结果表明,由于神经网络模糊推理具有表述参数间的非线性关系的能力。因此精度更高,效果更好。     

通用模糊控制器的研究与设计

对通用模糊控制器进行了研究与设计,其模糊控制用推理法实现,并且将PI控制结合进去以改善控制器的静态特性。文中着重讨论了模糊控制的软件实现方法,给出了通用模糊控制器的控制方案、硬件组成及主要的程序流程图。     

船舶碰撞危险的自适应神经网络—模糊推理评价方法

本文将模糊数学中的模糊逻辑与人工神经网络结合起来用于船舶碰撞危险度的评价,即将基于自适应神经网络的模糊推理系统用于评价船舶碰撞危险度。结果表明,基于神经网络的模糊推理系统既能利用模糊数学的模糊语言来表述人的语言,又能利用神经网络的自学习功能学习已有的经验,是一种比较好的评价方法     

船舶航向的自适应神经模糊控制系统

针对模糊控制器中的量化因子、模糊规则等难以人工整定的困难,文中提出了一种基于自适应神经模糊推理系统(ANFIS)的船舶航向控制算法,利用船舶航向模糊控制器两端获取的数据来训练ANFIS控制器,并将其控制效果和船舶航向模糊控制器的控制效果进行了比较,仿真结果表明,在不同风速和流速干扰作用下,基于ANFIS的航向控制器无论在超调量、响应时间和稳态误差方面都具有更好的控制品质,在干扰下仍然能够满足船舶航向实时控制的要求.     

基于历史状态的初步驾驶意图识别模糊推理算法

为准确识别初步驾驶意图,提出基于历史状态的初步驾驶意图识别模糊推理算法,采用记忆窗口保存历史状态,分析记忆窗口对识别效果的影响,实验结果表明：相比基于当前状态算法,基于历史状态算法的识别率在WLTC和CLTC工况下分别提高8.07%和7.30%,仿真环境下提高2.73%;窗口为3时识别效果最好。     

考虑驾驶员行为特性的模糊推理跟驰模型改进研究

基于模糊推理的车辆跟驰模型实现了用数学方法描述驾驶员的主观判断、推理和执行的过程,但现有的这类模型通常未考虑驾驶员行为特性的差异。针对这一问题,在基于模糊推理的跟驰模型中引入期望车头时距,不同行为特性的驾驶员具有不同的期望车头时距,在此基础上建立了改进的车辆跟驰模型。仿真结果表明,改进的跟驰模型能准确描述不同类型驾驶员的跟驰行为及其差异。