基于绿灯时间等饱和度的TD学习配时优化模型

首先对传统的绿灯时间等饱和度概念进行了扩展,提出了分级绿灯时间等饱和度.在此基础上,针对分级绿灯时间等饱和度目标,构造了奖赏函数,采用了模糊方法解决流量状态空间维数爆炸问题,建立了定周期和变周期两种模式下的四种离线TD学习配时优化模型.通过Matlab编程,开发了这四种模型的计算程序,相对于在线TD学习模型,离线TD学习模型更适合交叉口信号配时优化.以一个两相位控制的单交叉口配时优化作为算例,对比分析了四种模型的性能.总体上变周期模式的离线TD学习模型可以获得解的结构、最优解的分布,这是传统配时理论不具备的.定周期条件下,奖赏分级的效果不明显;变周期条件下,奖赏分级效果明显,交通性能更优.     

一类不确定切换模糊时滞系统的可靠控制

研究了一类不确定切换模糊时滞系统的可靠控制问题．当执行器“严重失效”而未失效部分不能镇定原系统时,采用多Lyapunov函数方法构造状态反馈可靠控制器,使得闭环系统对于所有允许的执行器失效,在所设计的状态反馈可靠控制器下是渐近稳定的,并以线性矩阵不等式形式给出了使闭环系统渐近稳定的条件．最后,通过仿真结果验证了结论的正确性．     

一类不确定T-S模糊系统的H_∞控制器设计

基于线性矩阵不等式的方法,研究了一类带有不确定参数的T-S模糊系统的H∞控制器设计问题.给出了参数不确定的T-S模糊系统的系统建模以及系统的二次稳定性,并且对此类T-S模糊系统的H∞控制问题进行了探讨,给出了新的基于状态反馈H∞控制器的设计方法.     

层次分析法与可变模糊集耦合的水环境质量评价模型

为了更为客观、综合地评价水环境质量加强流域环境管理与可持续发展为工程提供更为可靠的决策依据建立了基于层次分析法与模糊可变集的水环境质量评价模型。其中一级结构为若干个现有的广泛应用的评估体系二级结构中引入可变模糊集理论得到所对应的一级结构中指标的级别特征值。以嘉陵江磁器口段某采样点的水样为例用模型进行了计算。计算结果为嘉陵江水环境质量等级为III级结果合理且可靠模型结构清晰物理概念明确对水质数据的利用更科学为水环境质量综合评价提供新思路。     

C&RT决策树在民办高校招生中的应用分析

以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。在数据挖掘中,决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法,是用二叉树形图来表示处理逻辑的一种技术。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。它可以直观、清晰地表达加工的逻辑要求,满足用户需求,为管理决策者提供相应的决策支持。以某高校招生数据作为基础信息为依据,对高校招生中生源地与报到情况等进行CART(Classification and Regression Tree)分析,将对决策树分析的应用做进一步的阐述。     

Buck型DC-DC变换器中数字预测模糊PID控制器的设计与实现

为了提高数字DC-DC变换器的瞬态响应性能,设计了一种基于数字预测控制方法的模糊PID控制器.该控制器根据Buck型DC-DC变换器的电路结构,准确预测单个开关周期或多个开关周期后的负载电压和电感电流,以克服环路时延对系统瞬态响应的影响;同时,在基本PID控制基础上引入模糊控制,实时在线调整PID控制参数,以克服变换器的非线性特性对瞬态能力的影响.所设计数字控制器经FPGA验证,结果表明,与基本PID控制相比,所设计数字预测模糊PID控制器能有效提高变换器的瞬态响应能力,变换器的瞬态响应时间缩短1/3,电压超调量小于5%.     

基于概率支持向量机的激光雷达风切变图像的识别

针对标准支持向量机在激光雷达风切变图像识别中无法提供后验概率这一问题,从有监督聚类的角度,提出一种基于FCM的概率支持向量机识别方法. 先利用灰度-梯度共生矩阵提取激光雷达风切变图像的纹理特征,再利用支持向量机确定分类面,最后利用条件约束和FCM确定各类样本距离分类面的概率分布. 实验结果表明,该算法对3种风切变的整体识别率可达到95.52%,与两种同类算法相比,识别率分别提高了1.27%和1.21%.      

基于模糊近似空间的S-粗集模型研究

基于近似空间,对原始S-粗集模型进行了扩展.提出了基于模糊近似空间的S-粗集模型,讨论了模型的上下近似算子的性质;接着分析了此模型与已有模型的相互关系,最后通过实例对此模型进行了说明.     

基于直觉模糊积分的多属性决策方法

为了研究多属性决策问题中决策属性间存在的关联因素对决策方案的综合评价问题,引入模糊测度的概念,给出直觉模糊积分的定义,并讨论其性质。在此基础上,提出了一个基于直觉模糊积分的多属性群决策方法,并通过实例分析验证了该方法的可行性和有效性。     

基于模糊推理的驾驶员反应时间修正研究

为进一步完善汽车主动防碰撞预警系统,建立了一种基于模糊推理的驾驶员反应时间修正方法。该方法以驾驶员的实时反应时间为研究对象,通过实时采集驾驶员的加油频率、深加油比例、制动频率、深制动比例等数据,利用所建立的模糊推理规则判断出一个适应于当前驾驶员动态驾驶倾向的实时反应时间,然后对Berkeley算法进行修正,计算出车辆行驶所需要的安全车距,并在驾驶模拟器上进行了对比分析。经模拟实验验证,本方法所确定的15名驾驶员的理论平均反应时间为1.0000 s,方差为0.0417,而实际平均反应时间为1.0077 s,方差为0.0469,并且根据理论反应时间所确定的预警距离与根据实际反应时间所确定的预警距离比较接近。可见本方法能在一定程度上提高安全预警算法的准确性,能够充分考虑驾驶员的实时驾驶特性,降低预警系统的虚警率。