智能運(yùn)輸展望-wenkub
2023-01-23 01:47:35 本頁面
【正文】 現(xiàn)代化國家道路網(wǎng)。 但是隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展以及城市化進(jìn)程的加快與汽車的普及，目前的路網(wǎng)通行能力已滿足不了日益增長的交通需求，城市交通擁擠、交通阻塞現(xiàn)象日趨嚴(yán)重，交通污染與交通事故越來越多，所有這些都嚴(yán)重地制約著城市交通運(yùn)作效率，并已成為社會(huì)普遍關(guān)注的焦點(diǎn)。 (3) 智能復(fù)雜性和高度自動(dòng)化系統(tǒng)的穩(wěn)定性要求有新的理論、方法和開發(fā)工具。n 然而遺憾的是，在自動(dòng)控制理論中還沒有一個(gè)有效的方法能夠解決像智能運(yùn)輸測控系統(tǒng)這樣的非線性大系統(tǒng)的最優(yōu)控制問題。n 模糊神經(jīng)網(wǎng)絡(luò)這一新興領(lǐng)域的開拓者應(yīng)該歸功為美國南加利福尼亞大學(xué)信號(hào)和圖像處理研究所長 B． Kosko教授。 (2) 可用單純模糊神經(jīng)網(wǎng)絡(luò)來普遍近似的模糊函數(shù)類具有什么樣的性質(zhì) ?n 穩(wěn)定性是模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的重要指標(biāo)之一 模糊逼近神經(jīng)網(wǎng)絡(luò)攝動(dòng)系統(tǒng) n 目前，模糊神經(jīng)網(wǎng)絡(luò)的理論研究方面雖然取得一系列成果，但面臨的問題仍很多。 匝道測控模型的參數(shù)辨識(shí) n 我們從高速公路交通流的宏觀、動(dòng)態(tài)特征出發(fā)，首先給出了交通流控制和仿真中常用的宏觀、動(dòng)態(tài)、確定性交通流模型，并利用模糊神經(jīng)網(wǎng)絡(luò)的方法對(duì)模型中的參數(shù)進(jìn)行辨識(shí)，既可以和高速公路實(shí)際的交通狀況吻合，又簡化計(jì)算，且收斂性較好。n 提出了一種基于因素空間分析的預(yù)測模型。 模糊聚類神經(jīng)網(wǎng)絡(luò)的死點(diǎn)問題 n 近年來， 基于競爭學(xué)習(xí)算法的聚類神經(jīng)網(wǎng)絡(luò)。線性二次型優(yōu)化理論是解決線性多變量反饋控制的強(qiáng)有力工具，這種技術(shù)也可以用于在期望狀態(tài)附近線性化的非線性系統(tǒng)，而對(duì)于一個(gè)較大的系統(tǒng)，反饋中的 K陣較難求，況且由于最優(yōu)問題是在期望狀態(tài)附近得到的，所以它只能消除較小的擾動(dòng)，對(duì)于嚴(yán)重的擾動(dòng)（如發(fā)生突發(fā)性交通事故時(shí)）該方法將顯得無能為力。有了這些特定氣象條件下對(duì)道路通行能力，匝道控制系統(tǒng)就可以對(duì)匝道處交通流量作出
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1