智能運輸展望-wenkub
2023-01-23 01:47:35 本頁面
【正文】 現(xiàn)代化國家道路網(wǎng)。 但是隨著社會經(jīng)濟的快速發(fā)展以及城市化進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)象日趨嚴重，交通污染與交通事故越來越多，所有這些都嚴重地制約著城市交通運作效率，并已成為社會普遍關注的焦點。 (3) 智能復雜性和高度自動化系統(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，在自動控制理論中還沒有一個有效的方法能夠解決像智能運輸測控系統(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)絡這一新興領域的開拓者應該歸功為美國南加利福尼亞大學信號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)絡來普遍近似的模糊函數(shù)類具有什么樣的性質 ?n 穩(wěn)定性是模糊神經(jīng)網(wǎng)絡控制系統(tǒng)的重要指標之一 模糊逼近神經(jīng)網(wǎng)絡攝動系統(tǒng) n 目前，模糊神經(jīng)網(wǎng)絡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 n 我們從高速公路交通流的宏觀、動態(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、動態(tài)、確定性交通流模型，并利用模糊神經(jīng)網(wǎng)絡的方法對模型中的參數(shù)進行辨識，既可以和高速公路實際的交通狀況吻合，又簡化計算，且收斂性較好。n 提出了一種基于因素空間分析的預測模型。 模糊聚類神經(jīng)網(wǎng)絡的死點問題 n 近年來， 基于競爭學習算法的聚類神經(jīng)網(wǎng)絡。線性二次型優(yōu)化理論是解決線性多變量反饋控制的強有力工具，這種技術也可以用于在期望狀態(tài)附近線性化的非線性系統(tǒng)，而對于一個較大的系統(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，對于嚴重的擾動（如發(fā)生突發(fā)性交通事故時）該方法將顯得無能為力。有了這些特定氣象條件下對道路通行能力，匝道控制系統(tǒng)就可以對匝道處交通流量作出
教學課件相關推薦
鄂ICP備17016276號-1