高速公路混沌模糊延迟反馈控制仿真研究

研究采用延迟反馈法和模糊控制相结合的高速公路混沌匝道控制问题.针对高速公路车流量不确定性特点,提出延迟反馈和模糊控制相结合的高速公路混沌控制方法,简介了具有开关功能的高速公路匝道混沌控制原理;设计了将高速公路不稳定周期运动转化为周期运动作为控制目标,匝道调节率作为控制变量的模糊混沌控制器;采用遗传算法对控制器参数进行优化;仿真试验分析了该方法的控制效果,验证了该原理与方法的可行性与正确性.     

高速公路入口匝道模糊控制及其仿真研究

提出一种模糊逻辑方法控制高峰期间进入高速公路的车辆数目。分析了模糊逻辑控制器的基本结构，阐述了模糊控制算法，给出了隶属度函数，根据高速公路上游、下游及入口匝道上安装的传感器检测到的流量、速度、占有率、匝道排队长度等信息，设计了入口匝道模糊逻辑控制器，并用计算机对控制器进行了仿真，仿真结果表明该方法切实可行、具有实用价值，它能避免高速公路主线交通拥挤和堵塞，提高主线的通行能力，实现车辆在高速公路上高效、安全的运行。     

高速公路匝道混沌控制仿真

尝试研究高速公路混沌的匝道控制问题。介绍高速公路匝道混沌控制的思路，针对高速公路不确定性特点，提出延迟反馈控制和积分器控制相结合的高速公路混沌控制方法，简介了具有开关功能的高速公路匝道混沌控制原理；设计了将高速公路不稳定周期运动转化为周期运动作为控制目标，匝道调节率作为控制变量的混沌控制器；仿真试验分析了采用广义延迟反馈控制的控制效果，并与延迟反馈、ALINEA算法进行比较。试验结果说明了该原理与方法的可行性与正确性。     

基于神经网络的高速无人艇模糊PID控制

针对采用喷水推进器的高速无人艇具有强非线性,传统控制手段难以快速精确控制的问题,提出以神经网络作为辨识器,并采用模糊控制器对其进行控制的方法。运用MATLAB软件建立系统模型,并进行模糊PID控制器设计,通过对系统仿真,结果证明运用神经网络和模糊PID控制器能够精确实时地实现无人艇控制。     

采用模糊控制方法实现混沌同步

研究了混沌系统的同步问题。采用T-S模糊动态模型描述混沌系统，用Lyapunov稳定性理论设计出全局渐近稳定的模糊变结构同步控制器。应用到两Lorenz混沌系统的同步控制中，仿真验证了方案的有效性，模糊控制器结构简单，规则少，有实用价值。     

基于模糊动态模型的Chua混沌系统控制

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统 ,将非线性混沌系统模糊化为局部线性模型。采用隶属函数最大法设计控制器 ,克服了并行分配补偿法求解公共正定矩阵P的困难 ,用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳定的新型控制器。仿真实验验证了方案的有效性。模糊控制器简单 ,规则少。此方案也可应用于其它类型的混沌系统中 ,有实际应用价值     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

气动人工肌肉的模糊小波神经网络控制

针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性，结合模糊理论与小波神经网络，提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力，采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性，具有更快的训练速度和更好的控制效果，是一种理想的气动人工肌肉控制方法。     

基于模糊逻辑的高速公路匝道控制的新方法

由于高速公路交通流的不确定性，模糊控制是解决交通问题的有效方法。在此提出一种新的匝道模糊控制器，包括用于输出信号灯周期时间的模糊决策库和确定信号灯动作变换的转换函数两部分。交通状况的六个不同的因素作为控制输入。并根据性能指标将仿真结果与传统方法ALINEA进行了比较。     

混沌系统的一种模糊变结构控制器设计

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统，将非线性混沌系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出，确保模糊动态模型全局渐近稳定的变结构控制器。仿真验证了方案的有效性，模糊控制器简单，规则少。     

双交叉口两级模糊协调控制算法的研究

基于城市交通智能控制研究课题的需要,提出了一种双交叉口的分级模糊协调控制算法和应用混沌优化自动调整隶属度函数的思想,依此设计了双交叉口的两级模糊协调控制器;应用MATLAB编写了仿真程序,对主次干道车流量相差悬殊和相近两种情况进行了实例仿真,并与传统控制算法进行了比较.仿真结果表明,分级模糊协调控制方法可以有效减少有主次干道之分的交叉口车辆的平均延误,对交通流量均衡的交叉口的控制效果,也比传统算法有显著提高.     

一类高精度伺服系统基于模糊神经网络的复合控制

针对高精度伺服系统中存在的各种非线性及不确定性 ,提出了基于模糊神经网络的复合控制方法。控制器由前馈控制器和闭环反馈控制器组成。前馈控制器由零相差跟踪控制器 (ZPETC)及FIR滤波器构成 ,闭环反馈控制器采用模糊神经网络控制 ,包含一个辨识网络FNNI和控制网络FNNC。该控制方法结合了神经网络和模糊推理的优点 ,可以克服各种非线性和不确定性 ,明显提高跟踪性能 ,具有很好的鲁棒性。提出的模糊神经网络结构简单 ,推理算法易于实现 ,并且可以更合理地选择初始权值 ,加快了网络的收敛速度 ,在一定程度上解决了神经网络的实时性问题     

基于OLS算法的RBF神经网络高速公路事件探测

高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全、减少环境污染具有十分重要的意义。文中提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法，同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法。仿真实验证明，改进的OLS选择算法大大提高了RBF神经网络的训练速度，同时具有无须事先确定RBF中心的优点，将之运用于公路事件探测可以获得满意的性能。     

飞行仿真转台模糊神经网络补偿的复合控制

针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。     

基于数据挖掘的结构模糊控制规则生成与仿真分析

结合智能控制与现代控制理论,在结构控制领域,提出了直接从已有主动控制算法的成功数据样本中提取模糊控制规则的思想和方法。以顶层设置AMD控制装置的五层钢框架模型结构为例,阐述了提取模糊控制规则的步骤,仿真结果证实了所设计的二输入单输出模糊控制器的有效性和鲁棒性。通过76层Benchmark风振模型的模糊控制仿真分析,进一步验证了这种充分利用主动控制算法获取模糊规则思想的有效性。研究成果使结构振动模糊控制器的设计具有一定的依据,为AMD模糊控制走向工程应用奠定了理论基础。     

城市交通干线递阶模糊控制及其神经网络实现

利用大系统的分解-协调思想、模糊理论和神经网络技术来进行城市交通干线的实时协调控制.把交通干线作为一个大系统,子系统为干线上的各个交叉口,在此基础上,设计了一种城市交通干线的两级模糊协调控制算法并用BP神经网络实现.控制级在线调整各子系统的信号周期和绿信比;而协调级则根据测得的交通信息协调相邻子系统间的车辆数.控制目标是使干线交通畅通并使平均车辆延误时间尽可能小.最后进行了仿真研究,结果表明,该方法比车辆全感应式控制能有效地减小平均车辆延误.     

Intelligent vehicle lateral controller design based on genetic algorithmand T-S fuzzy-neural network

1.INTRODUCTION Effectivelateralcontrolisthepremiseofintelligent vehicle(IV)tracking.However,duetothenon lin earityandparameterstime variety,thelateralcon trollerdesignisadifficulttask.Manyworkshad beendoneforvehiclelateralcontrollerdesign.Ref.[1]usingstandardlinearquadraticcontrolapproach,Ref.[2]usingsliding modelapproach,Refs.[3～5]usingH infinityapproach,Ref.[6]usingnonlinear gain optimizedapproach,Refs.[7,8]usingfuzzy logicalapproach,studythelateralcontrolproblem,respectively.Refere…