基于自适应模糊神经网络的防车追尾控制器

研究防止汽车追尾优化识别问题,为解决防汽车追尾快速预报,传统方法在于精确计算安全距离,并未给出具体的控制力度,结合自适应模糊神经网络理论,提出让汽车“缓慢”降速的解决方案,能有效解决防汽车追尾的控制力度问题.采用自适应模糊神经网络模型,设计汽车刹车力度控制规则表,进一步设计防汽车追尾控制器.通过仿真结果可以看出,跟传统的纯模糊控制系统相比,自适应模糊神经网络生成的曲面更加平滑,控制效果更好.并且具有自学习与自适应能力,能够自动生成并调整隶属度函数,提高了快速性和实时性,为汽车防追尾控制器设计提供了参考.     

一种基于随机GA的提高BP网络泛化能力的方法

LM-BP网络对其初始权值和阈值敏感,泛化能力不强,针对该缺点,采用遗传算法（GA）对其初始权阈值进行优化,在一定程度上能提高LM-BP网络的泛化能力。为进一步扩展GA初始种群的覆盖范围,进一步提高LM—BP网络的泛化能力,采用多次随机产生初始种群多次优化的方法。以伦河孝感段氟化物含量为实例,建立随机GA的LM—BP网络模型,对原始数据进行拟合及测试,结果表明该方法基本能100％拟合,测试误差不超过2．3％。经过对比实验,证明了该方法的有效性。     

智能电网温度高精度远程在线控制方法研究与改进

利用传统方法进行新型智能电网温度控制时,主要依靠建立的温度变化模型,但是新型智能电网系统具有时变性、不确定性、多扰动性等缺陷,很大程度上降低了温度变化模型的精度,导致传统方法不能对新型智能电网的温度进行准确控制。提出一种新的新型智能电网温度高精度实时控制改进方法:建立新型智能电网温度高精度实时控制系统与温度控制模型,并结合模糊免疫PID控制方法对新型智能电网温度进行高精度实时控制;针对智能电网的缺陷特征,依据灰色系统的理论进行改进,利用建立的灰色模型,对智能电网温度控制系统的灰量进行白化处理,将智能电网的缺陷特征作为灰色系统,通过灰色预测补偿控制技术对缺陷特征进行补偿控制,完成新型智能电网的温度高精度实时控制方法的改进。实验结果表明,与传统方法相比,改进的温度控制方法温度控制精度高,同时可改善弱温度控制过程中的振荡与超调问题。     

基于模糊网络的防车追尾控制器

解决防车追尾问题时,传统方法在于精确建模,跟实际情况往往不相符;采用模糊控制方法整体上符合刹车情况,但隶属度函数难以确定.为了解决以上问题,提出了模糊网络控制模型.详细介绍模糊网络模型的结构、各节点的运算关系,并给出该模型的使用方法.设计汽车刹车力度控制规则表,采用模糊网络设计防车追尾控制器.通过仿真结果可以看出,跟传统的模糊控制方法相比,模糊网络模型能够解决隶属度函数不容易确定的问题,生成的曲面光滑,能很好地满足防车追尾控制器的要求.     

煤矿顶板管理措施

总结了顶板事故发生的地点和原因,针对顶板不安全状态,提出了防治措施。     

智能电网温度高精度远程在线控制方法研究与改进

摘要： 利用传统方法进行新型智能电网温度控制时,主要依靠建立的温度变化模型,但是新型智能电网系统具有时变性、不确定性、多扰动性等缺陷,很大程度上降低了温度变化模型的精度,导致传统方法不能对新型智能电网的温度进行准确控制。提出一种新的新型智能电网温度高精度实时控制改进方法:建立新型智能电网温度高精度实时控制系统与温度控制模型,并结合模糊免疫PID控制方法对新型智能电网温度进行高精度实时控制;针对智能电网的缺陷特征,依据灰色系统的理论进行改进,利用建立的灰色模型,对智能电网温度控制系统的灰量进行白化处理,将智能电网的缺陷特征作为灰色系统,通过灰色预测补偿控制技术对缺陷特征进行补偿控制,完成新型智能电网的温度高精度实时控制方法的改进。实验结果表明,与传统方法相比,改进的温度控制方法温度控制精度高,同时可改善弱温度控制过程中的振荡与超调问题。     

基于模糊逻辑的防汽车追尾控制器

针对传统防汽车追尾控制方法的缺点,提出一种让本车＂缓慢＂降速的设计思路。采用模糊逻辑理论对汽车追尾控制器进行设计,根据输入输出模糊词集,定义其隶属度函数,采用面积重心法,得到智能化防汽车追尾控制器的曲面图。该方法不但能够有效防止汽车追尾,又能有效确保汽车及车上人员的安全。