摘要：为使自动驾驶车辆行驶效率提高,研究安全且高效的自动驾驶车辆换道策略是基础问题之一。本文基于广义动态模糊神经网络模型提出一种以运行效率为优化目标的自动驾驶换道策略。首先,基于元胞自动机建立高速公路交通流模型,分别实现人工驾驶、自动驾驶车辆的跟驰与换道表达方法;进而设计并实现了基于广义动态模糊神经网络(GD-FNN)的自学习算法优化自动驾驶车辆换道策略;最后与元胞自动机经典换道策略进行对比。结果表明:GD-FNN换道策略在处于低密度区具有更高的换道频率;GD-FNN换道策略在驾驶效率上整体优于STCA,在中低密度条件下单位时间内行驶距离可提升12.88%.

摘要：针对电液伺服系统这一复杂的非线性系统,提出一种广义动态模糊神经网络学习算法,并设计控制器。该算法以模糊ε-完备性作为高斯函数宽度的确定准则;同时对模糊规则和输入变量的重要性作出评价,并以此来调整每个输入变量和模糊规则。使用AMESim软件搭建了系统的模型,并利用AMESim的接口技术实现了与Simulink的联合仿真。仿真结果表明,该控制器具有较强的鲁棒性。

摘要：在D-FNN算法基础上,提出了一种新的基于椭圆基函数的广义动态模糊神经网络方法。该方法不仅可以用于系统建模、辨识和控制,而且还可以用于模糊规则的自动生成或抽取。提出了一种模糊-完备性作为在线参数分配机制,避免初始化选择的随机性,同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评估,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。开发了相关的算法程序,最后针对实际案例进行了仿真分析,表明了该算法的有效性和高效性。

摘要：为使无人艇在复杂环境干扰下能按希望要求改变航向,本文设计了一种基于广义动态模糊神经网络和参考模型的鲁棒自适应控制器。首先针对因环境干扰产生的不确定干扰项基于广义动态模糊神经网络建立了无人艇运动控制的逆动态模型,设计了模糊神经网络的自适应率以进一步调整神经网络权值,并结合无人艇运动控制模型的参考模型设计了无人艇航向鲁棒自适应控制器,然后通过Lyapunov稳定性理论,证明了基于该控制器的无人艇航向控制系统的稳定性,最后采用半物理仿真实验验证了该控制方法的有效性和准确性。

摘要：针对目前上肢康复训练机器人缺少对患肢训练模式智能处方诊断的问题,提出基于支持向量机和广义动态模糊神经网络(Support vector machine and generalized dynamic fuzzy neural networks,SVM-GDFNN)相融合的处方诊断方法。利用SVM采用结构风险最小原则,具有很好泛化能力的特点,对样本进行初步处方诊断。同时针对在SVM支持矢量附近区域样本易于出现错诊现象,利用GDFNN网络对支持矢量附近区域样本进行复诊,最终根据设计的诊断原则对患肢运动训练模式进行确诊。结合临床试验运用,分析患肢运动性能特征提取方法,阐述SVM-GDFNN处方诊断方法的模型建立以及测试诊断过程。临床试验结果表明该方法能够有效地减少样本的错诊现象,具有较高的诊断准确率;实现运动训练模式智能处方诊断功能,有助于提高康复训练机器人临床智能化水平。

摘要：特高压直流输电输电容量大、控制灵活迅速,在我国"西电东送"战略中扮演了重要角色,其对受端交流系统暂态稳定性的影响也随输电容量的增大而变大。提出采用广义动态模糊神经网络(GD-FNN)控制来提高系统暂态稳定性,通过附加控制信号动态调节输送功率从而给系统提供足够阻尼。根据系统选择合适的调制信号以及控制维数,对GD-FNN系统训练后通过系统误差和模糊规则的ε-完备性作为判据来优化系统结构,同时对隶属度函数的参数进行修正,从而保证了控制器具有紧凑的结构和良好的泛化能力。仿真结果表明,所设计的暂态稳定控制器在保持系统稳定方面具有优越的性能,并且鲁棒性较好,可有效保障机组和电网的安全稳定运行。

摘要：为了实现出水氨氮浓度的在线精准测量,设计了一种基于物联网技术的出水氨氮智能检测系统。该系统主要是由嵌入式检测系统和智能预报系统组成。嵌入式检测系统利用STM32作为核心控制器,结合氨气敏电极等模块采集水体中的氨氮数据,并利用4G通信技术将数据传输到云服务器;智能预报系统利用广义动态模糊神经网络构建了出水氨氮的预报模型,实现了对嵌入式检测系统的出水氨氮浓度的校正和纠偏。实验结果显示,与造价昂贵、操作繁琐且难以实现在线测量的氨氮检测仪相比,文中所设计的智能检测系统的精度完全能够满足出水氨氮的在线检测需求,为污水处理厂出水氨氮的调控提供强有力的支撑。