离合器操纵舒适性客观评价方法与试验研究

随着现代人对汽车舒适性的要求越来越高,离合器踏板作为汽车内操纵频率较高的装置,其操纵舒适性成为关注的重点。应用离合器操纵系统静态性能测试试验台,以不同的速度踩下离合器踏板,得到踏板力与踏板行程特性曲线。通过数据处理并定义踏板刚度,运用Matlab软件绘制踏板刚度随踏板行程的变化曲线。以踏板刚度变化规律作为离合器踏板舒适性的评价指标。结果表明:在一定的踏板速度范围内,踩下踏板速度越大,踏板刚度变化规律波动越小,舒适性越好;踩下速度越小,踏板刚度变化规律波动越大,舒适性越差。     

载人潜水器舱室空间舒适性复合评估方法

为改善载人潜水器舱室空间舒适性,针对深海载人潜水器强约束条件下舱室空间舒适性特征,提出基于虚拟仿真技术的舱室可视化空间舒适性多源复合评估方法.该方法以虚拟仿真技术为基础,将载人潜水器舱室空间三维数字化数据与潜航员人体数据相结合,构建数字化虚拟仿真模型;以快速相应与评估为标准,将人体舒适性进行分区,并对载人潜水器空间与功能特征进行系统的分析,依托人体生理学特征获取人体舒适性区域特征及空间约束映射,建立7项评估指标;结合6项人因评估工具构建舒适性多源复合评估模型,采用虚拟仿真技术开发空间舒适性可视化评估系统,并通过某型载人潜水器舱室空间优化设计,对舒适性多源复合评估方法和可视化评估原型系统进行可行性验证.研究表明,不同的任务作业姿态严重影响人体舒适性评估的准确性,狭小的舱室空间及舱内设备的布局进一步增大了作业姿态评估的难度.采用空间舒适性复合评估方法能够准确的描述多种姿态下空间舒适性程度,同时多源和可视化的技术特点在一定程度上提升了空间设计方案评估效率以及评估结果的可读性.     

普通乘用车主要性能综合评价的研究

结合实际从人机工程学的基础出发，以普通乘用车主要性能综合评价作为总评价目标，通过系统分析和目标分解建立评价指标体系，应用BP人工神经网络对普通乘用车主要性能进行综合评价，进行实验设计并获得实验数据，利用BP人工神经网络求解了总评价目标与各性能评价指标之间各层的权值。     

针织运动面料热湿舒适性的模糊评价

根据运动中人体显汗的特点,提出了影响运动中热湿舒适性的主要因子。对典型针织运动面料的相关性能进行了测试,并对其热湿舒适性进行了模糊评价。     

模糊聚类分析在服装舒适性评价中的应用

建立了服装舒适性的模糊评价数学模型。得到了模糊关系矩阵,并采用传递闭包法计算出相似矩阵,根据不同阈值,得到不同的动态聚类结果,由这种模糊聚类分析方法所得到的结果与实际经验具有极好的吻合性。     

公路客车舒适性水平的综合评判

对公路客车乘坐舒适性影响因素分三层共23项指标进行分析，针对每个因素分别构造其模糊子集隶属函数，并对这些因素进行权重分配，运用模糊评判理论，确立了二级模型评判步骤。结合实际。以北方奔驰、西沃等客车的具体数据为参考，探讨了客车乘坐舒适性的综合评判方法。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

针织物性能与接触舒适性的实验研究

研究纬编针织内衣织物的穿着接触舒适性。通过对１２种针织物穿着对比实验以及物理机械性能与表现性能的测试，分析了影响人们穿着舒适性的各种因素，建立起了针织物着的主观感觉量与客观物理量之间的关系。     

服装舒适性等级评价个体间差异的研究

进行了６＊９次服装穿着实验,并对实验数据进行了方差分析和秩位相关性分析,旨在对服装穿着实验中个体对服装舒适性评价等级差异进行研究。结果发现,在对服装舒适性进行评价时,虽然受试个体间存在十分明显的差异,但受试个体与受试总体对服装舒适性相对评价的一致性很高。     

不同腰位牛仔裤穿着舒适性评价

采用真人试穿和主观评价的方法,对9件不同腰位的牛仔裤进行着装实验评价并进行压力舒适性评价.发现所有牛仔裤在穿着的过程中都能满足人体舒适性的要求,其中腰上口位于髋骨上2cm,前中下降1.5cm是最舒适的腰位设计,为合体舒适牛仔裤设计提供技术基础.     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。     

基于模糊神经网络的智能控制研究

模糊神经网络是一个新型的研究领域,随着人们对人工智能进行更深入、多层次的研究,使其在模糊控制、模糊决策、专家系统、模式识别等众多领域都发挥了重要作用。模糊控制的逻辑推理技术与神经网络的结合,将弥补神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷。     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

Adaptive predictive functional control based on Takagi-Sugeno model and its application to pH process

In order to obtain accurate prediction model and compensate for the influence of model mismatch on the control performance of the system and avoid solving nonlinear programming problem, an adaptive fuzzy predictive functional control (AFPFC) scheme for multivariable nonlinear systems was proposed. Firstly, multivariable nonlinear systems were described based on Takagi-Sugeno (T-S) fuzzy models; assuming that the antecedent parameters of T-S models were kept, the consequent parameters were identified on-line by using the weighted recursive least square (WRLS) method. Secondly, the identified T-S models were linearized to be time-varying state space model at each sampling instant. Finally, by using linear predictive control technique the analysis solution of the optimal control law of AFPFC was established. The application results for pH neutralization process show that the absolute error between the identified T-S model output and the process output is smaller than 0.015; the tracking ability of the proposed AFPFC is superior to that of non-AFPFC (NAFPFC) for pH process without disturbances, the overshoot of the effluent pH value of AFPFC with disturbances is decreased by 50% compared with that of NAFPFC; when the process parameters of AFPFC vary with time the integrated absolute error (IAE) performance index still retains to be less than 200 compared with that of NAFPFC.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

基于高速摄像的子午线轮胎驻波机理研究

运用AutoCAD软件,利用高速摄像机捕捉汽车在底盘测功机上高速行驶时,轮胎高速旋转的形变图像,根据形变的大小以及弹性恢复时间来推算轮胎临界速度的大小,有效避免现有的解析法、实验法以及仿真分析法在测试轮胎临界速度的不足,是一种既安全、经济又较准确的测试方法。     

Performance analysis of CDMA power control system based on fuzzy prediction

Power control is of paramount importance in combating the near-far problem and co-channel interference in a CDMA cellular system. Due to fast fading and ambient interference in a wireless channel, conventional fixed-step power control schemes have difficulty in compensating for the fast fading channel dynamically and in a timely manner. To acquire flexible power regulation in order to maintain required transmission capacity under the given transmission quality requirement, we propose a hybrid power control scheme which makes full use of the simple fuzzy inference rule refined by an operator in the fuzzy control and prediction property from related previous results in Generalized Prediction Control (GPC). In implementation of this strategy, we classify the fading zone into three levels according to the signal-to-noise-rate (SNR) requirement. In each level the power compensation amount varies with fading gradient and the compensation scheme varies as well. The digital results show that adoption of the fuzzy-GPC power regulation scheme has acquired a reasonable performance improvement when compared with fixed-step and fuzzy schemes. According to theoretic analysis and simulation results,we can conclude that under a variational transmission environment, a flexible power regulation scheme such as fuzzy-GPC is easy to adapt to the environment and thus overcomes the near-far effect and multi-access interference effectively.     

基于T-S双线性模型的非线性关联大系统的分散控制

对一类由Takagi-Sugeno(T-S)双线性模型描述的非线性关联大系统,研究了其分散状态反馈控制问题.根据Lyapunov稳定性分析理论和并行分布补偿(PDC)算法,导出了闭环关联大系统渐近稳定的充分条件,该条件比现有结果具有更小的保守性.设计出了相应的分散模糊控制器,并将其转化成为一个受线性矩阵不等式(LMIs)约束的凸优化问题.最后,通过仿真例子验证了所提方法的有效性.     

以地下径流为主的洪水预报模型研究

研究了以地下径流为主的洪水预报模型，针对新安江模型的缺点提出了改进新安江模型，同时介绍了人工神经网络的原理并将其应用于洪水预报模型的研究。