车辆起步过程发动机恒转速自适应模糊控制研究

车辆起步发动机恒转速控制是一种有效的起步控制策略,如何实现发动机转速跟随目标转速曲线变化以提高起步性能是一个难点.针对这一问题,制定了离合器接合控制原则,设计了以发动机转速及其目标转速、离合器行程为控制参数的自适应模糊控制及相应协调规则构成的控制系统.仿真试验表明在不同工况下该控制策略均能保证发动机基本无超调地达到目标转速,实现了发动机恒转速起步,离合器滑摩功小,能够反映驾驶员起步意图,提高了车辆起步性能.     

Indirect adaptive fuzzy control for a class of nonlinear discrete-time systems

An indirect adaptive fuzzy control scheme is developed for a class of nonlinear discrete-time systems. In this method, two fuzzy logic systems are used to approximate the unknown functions, and the parameters of membership functions in fuzzy logic systems are adjusted according to adaptive laws for the purpose of controlling the plant to track a reference trajectory. It is proved that the scheme can not only guarantee the boundedness of the input and output of the closed-loop system, but also make the tracking error converge to a small neighborhood of the origin. Simulation results indicate the effectiveness of this scheme.     

储层含油性识别中ANN和GA融合的模糊规则提取

提出一种基于ANN和GA融合的自学习自适应的模糊规则提取算法,用来对油层进行识别.其方法是:首先运用人工神经网络(ANN)对训练样本进行有导师学习,网络的输入是测井属性,输出表达为网络权值和输入的函数Ψk=f(xi(WG1)ij,(WG2)jk)(其中:Ψk代表含油性类别Ck的判别函数;C1为干层;C2为水层;C3为差油层;C4为油层).然后,以Ψk作为遗传算法(GA)中的适应度函数提取对应于类别Ck的模糊规则.最后,通过某油田oilsk81和oilsk83油井的实证研究表明,该方法能够有效地识别储层的含油性.     

基于正态分布区间数的概率测度及多属性决策

针对决策中采用均匀分布区间数描述模糊评价值的局限性,提出了应用正态分布区间数进行多属性决策的方法。分析了模糊数的可能性测度,通过概率分布特征量生成正态分布区间数,给出了基于正态分布区间数与一般模糊区间数的互换关系。由正态分布特性确定了正态分布区间数两个模糊算子,采用简化方法对模糊综合评判向量进行模糊集结。采用模糊随机仿真方法生成综合评估值,对统计结果采用模糊均值和方差的排序方法进行决策。实例计算表明了两种方法的有效性。     

基于遗传模糊系统的兵棋推演关键点推理方法

近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system, GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。     

基于模糊集的故障检测方法

针对limit checking故障检测方法的缺点,提出了一种基于模糊集的故障检测方法。该方法基于传感器测量值的不确定性和门限值具有模糊的客观属性,在检测值所有可能值的论域上划分模糊子集,将检测值偏离门限值的程度用隶属函数与模糊子集报警权重表示。考虑到时间因素对检测结果的影响,提出采用时间窗函数的方法计算时间窗内的报警权值之和作为模糊检测决策依据。仿真结果表明,基于模糊集的故障检测方法相比于持续性计数(Persistence Counter)方法具有更好的检测性能。     

模糊粗糙神经网络的结构与参数优化

基于模糊粗糙隶属函数,建立了一种五层结构的模糊粗糙神经网络（fuzzy rough neural network, FRNN）,对神经元之间的连接,引入一个开关函数,从而把结构优化和参数学习问题转化为单纯的函数优化问题。提出一种混合智能优化算法（hybrid intelligent optimization algorithm, HIOA）用于FRNN的结构和参数优化,适应度函数同时考虑模型的精确性和网络的节俭性。典型的实验结果表明,FRNN适用非线性系统建模,相对于普通神经网络及其优化方法能获得更高的精度和泛化能力。     

基于汽车电子机械制动系统的EBD/ABS研究

采用电子制动力分配(EBD)实现了采用电子机械制动(EMB)后的汽车前后轴间制动力分配,提出了基于EMB的制动防抱死(ABS)模糊PID控制算法.在建立EMB模型及整车模型的基础上对三种典型工况下的制动过程进行了仿真研究.结果表明,通过EBD能实现理想的制动力分配,基于EMB的ABS能把各车轮的滑移率精确地控制在目标滑移率附近,具有较强的鲁棒性.     

基于模糊小波神经网络的BDI模型

为克服原有BDI模型可计算性差以及不能处理模糊问题的弱点,提出一种基于模糊小波神经网络(FWNN)的BDI模型,FwNN用神经网络来实现模糊化、模糊承诺和去模糊化的过程,并利用小波基函数作为模糊隶属函数,网络权值和隶属函数的形状均是可学习调整的.以一对一追逃问题为背景的仿真实验验证了模型及算法的可行性.     

一种混合噪声的模糊滤波算法

为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法.根据不同的区域,不同噪声,通过模糊推理,模糊合成多级中值滤波和模糊加权均值滤波的结果,在滤除混合噪声的同时,保留图像的边缘细节.根据实验结果,从客观和主观两方面比较了本算法和几种方法的效果,表明本方法有较好的抑制噪声,保持图像细节对比度的能力.