交通信号公交优先控制策略及智能控制方法

针对公交优先交通信号控制问题,研究了公交优先的信号控制策略,提出了一种变论域模糊神经网络公交优先智能控制方法.提出了基于相位优先度值的公交优先相位选择方法,并给出了其数学描述.建立了绿灯时间的3层模糊控制模型,分别为红灯排队疏散时间、绿灯延长时间和论域调节因子模糊控制器,其中红灯排队疏散时间和绿灯延长时间两个模糊控制器的输出变量均采用变论域,论域的变化考虑混合交通、天气情况、车流转向等因素由论域调节因子模糊控制器确定.模糊控制器采用粒子群优化神经网络实现.仿真结果表明该方法具有较好的公交优先控制效果.     

电阻点焊的变论域模糊控制方法

为提高电阻点焊模糊控制适应性和稳定性差的缺点, 根据变论域控制理论, 提出了电阻点焊的变论域模糊控制方法. 首先, 讨论了变论域模糊控制的基本原理. 其次, 设计了输入隶属函数、输出隶属函数、模糊控制规则、伸缩因子, 开发了一种基于规范化因子的电阻电焊变论域模糊控制器, 并使用模糊规则选择变论域的伸缩因子,给出了算法实现的具体步骤. 最后, 进行了不同控制方案的实验研究, 分析了实验结果, 验证了该控制算法的优越 性.     

挖掘语言值关联规则

讨论了大型数据库上数量属性的关联规则问题.为了软化论域的划分边界,应用相关的模糊c-方法(relationalfuzzyc-means,简称RFCM)算法确定正态模糊数的两个参数,并借助正态模糊数模型来划分数量属性的论域,由此生成一系列的语言值关联规则.另外,给出了语言值关联规则的挖掘方法.由于语言值能很好地表示抽象的概念,从而使得挖掘出的关联规则更抽象、更容易被人理解.     

基于过程输入输出变化关系的模糊建模方法

针对难以建立精确数学模型的复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。首先按过程输出随输入变量变化的程度对输入变量论域进行划分,在此基础上确定模糊模型的规则总数和前件参数;然后根据所建模糊模型可表示为一个前馈模糊神经网络,利用BP学习算法求得过程模糊模型的后件参数。仿真例子验证了模糊建模方法的有效性,同时表明所建模糊规则模型较好的泛化能力。     

基于LQR的二级倒立摆的变论域自适应模糊控制

针对传统模糊控制的不足,以二级倒立摆为例,采用了变论域自适应模糊控制理论.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理.最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器.仿真结果表明,该方法控制效果好,鲁棒性强.     

主动磁悬浮系统的变论域自适应模糊PID控制

针对主动磁悬浮轴承系统具有强非线性、强耦合、模型不确定等特点,提出了一种变论域自适应模糊PID算法;该方法通过选择合适的伸缩因子,避免了传统模糊PID控制中出现规则爆炸的问题;同时针对传统伸缩因子的函数结构和参数难以确定的特点,设计了基于模糊规则的论域伸缩因子;在SIMULINK环境中对主动磁悬浮轴承系统进行仿真,仿真结果表明,变论域模糊PID算法控制的主动磁悬浮系统具有更好的动静态性能,对外界干扰具有更强的鲁棒性.     

一种模糊HSIC特征模型新算法的分析与仿真

在分析相平面e˙e的基础上,提出了一种仿人智能控制（HSIC）特征模型的新算法;将系统动态过程划分为若干运行模式,在系统响应性能指标与动态过程分区之间间接地建立了相互联系．控制结构上采用开闭环控制,即开环为主导的闭环控制,其控制模态简单．同时,将模糊控制与HSIC相结合,提出了一种新的智能控制器——模糊HSIC控制器．模糊控制器输入输出各语言变量的论域和HSIC特征模型新算法的相平面分区有直接的联系,其控制规则表可以由新算法的逻辑控制规则直接构建．仿真结果表明,HSIC特征模型新算法便于构建模糊控制器,且模糊控制器有较好的鲁棒性和抗干扰能力．     

一种改进的三级倒立摆变论域模糊控制器设计

在传统变论域模糊控制系统中, 论域随着输入的变化实时改变, 论域的反复调整降低了控制的实时性, 同时伸缩因子的函数结构和参数也不易确定. 基于上述问题本文设计了基于改进型变论域算法的三级倒立摆模糊控制器: 首先提出了相对变论域控制思想, 然后采用模糊逻辑推理器构造了伸缩因子, 实时调整输入变量, 从而相对性地改变论域大小, 避免了传统伸缩因子的函数结构和参数不易确定的问题, 并根据系统闭环响应曲线设计了控制 器输出调整因子. 最后采用极点配置方法对状态变量进行综合, 避免了规则爆炸问题. 三级倒立摆的仿真结果表明了该方法具有较好的控制效果.     

基于改进LightGBM的交通模式识别算法

针对交通模式识别中非步行交通模式识别精度低的问题,提出一种改进后的LightGBM算法结合移动端的交通模式分类方法。该方法首先对数据集进行了滤波处理,选取了三轴加速度计、陀螺仪和磁力计这3种传感器数据的时域和频域特征作为模式识别特征量,然后通过采用Filter相关性度量CFS算法对特征进行打分排序,选择最优特征集,最后识别过程采用分层识别算法和基于居民出行规则与一阶隐马尔科夫链改进的K-lightGBM识别算法对交通模式进行识别,同时采用部分传统算法进行对比实验。实验结果表明,该方法不仅能识别多种交通模式,而且对居民的交通模式识别的平均准确率较高,达到了94%。     

基于LQR三级倒立摆变论域自适应模糊控制

针对传统模糊控制的不足,以三级倒立摆为例,应用变论域自适应模糊控制理论,给出了三级倒立摆的数学模型,并验证了其可控性。考虑到三级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理。最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器。仿真结果表明,该方法控制精度高,具有良好的稳定性和鲁棒性,可实现倒立摆系统的随动控制。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

拥挤路线交通量控制的模糊推理算法

当道路发生突发性事件引起交通拥挤时，一方面需要引导驾驶员转向到可替换路线， 另一方面也要对进入拥挤路线的交通量进行控制．本文通过对反映路线拥挤程度的延误时间 信息和排队长度信息进行预测，设计了在事件持续时间内，以车辆到达率不超过事件发生地 点通行能力为拥挤路线控制目标的模糊推理算法，并进行了实际案例分析．分析结果表明， 这种模糊推理算法能在一定程度上取代交通工程师们对拥挤的管理，从而提高了拥挤管理的 效率．     

基于人工蜂群算法的Tor流量在线识别方法

Tor等匿名流量的分类与识别对运营商监管网络安全具有重要意义,但目前Tor流量的分类检测技术普遍存在识别准确率低、缺乏实时性、无法有效处理高维数据等问题。为此,提出一种Tor流量在线识别方法。通过搭建基于逻辑回归的深度神经网络,提取Tor流量特征匹配度以实现特征增强,并使用人工蜂群机制代替梯度下降等常见迭代算法,得到流量分类及识别结果。在此基础上,构建一套实时流量检测工具应用于实际生产环境中。在公开Tor数据集上的实验结果表明,与逻辑回归、随机森林、KNN算法相比,该算法的精确率和召回率分别提高了10%~50%,相比梯度下降的迭代算法准确率提高了7%~8%。     

基于径向基函数神经网络的网络流量识别模型

提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、低复杂度、高识别效果和良好的自适应性。     

Enabling fuzzy technologies in high performance networking via an open FPGA-based development platform

Soft computing techniques and particularly fuzzy inference systems are gaining momentum as tools for network traffic modeling, analysis and control. Efficient hardware implementations of these techniques that can achieve real-time operation in high-speed networking equipment as well as other highly time-constrained application fields is however an open problem. We introduce a development platform for fuzzy inference systems with applications to network traffic analysis and control. The platform addresses the current requirements and constraints of high performance networking equipment. For the development process, we set up a methodology and a CAD tool chain that span the entire design process from initial specification in a high-level language to implementation on FPGA devices. An FPGA development board with PCI/PCIe interface is employed to support an open platform that comprises CAD tools as well as IP cores. PCI compatible fuzzy inference modules are implemented as System-on-Programmable-Chip (SoPC). We present satisfactory experimental results from the implementation of fuzzy systems for a number of applications in analysis and control of Internet traffic. These systems are shown to satisfy operational and architectural requirements of current and future high performance routing equipment. The platform proposed allows for the development of prototypes while avoiding large investments and complicated management procedures which constrain the testing and adoption of soft computing techniques in high performance networking.     

基于FFCM聚类的城市交通拥堵判别研究*

对城市道路交通拥堵状态判别的问题,提出了一种硬C均值(HCM)聚类与模糊C均值(FCM)聚类相结合的快速模糊C均值聚类(FFCM)算法。用硬聚类的结果对模糊聚类初始值的选取进行指导,以加速算法的收敛过程。将该算法用于城市交通流数据的聚类分析结果表明,该算法能够快速而有效地对城市交通流状况进行判别,为动态交通拥堵预警和交通疏导策略的制定提供依据。     

基于模糊推理的无检测器路口短时交通流预测

短时交通流预测是交通诱导与控制的关键技术之一.针对目前无检测器路口交通流预测研究相对较少的情况,提出了一种基于模糊推理的无检测器路口交通流预测方法,即在研究交叉口相关性的基础上,确定关键路口,通过模糊化交通流数据得到无检测器路口与关键路口的模糊关系,接着用模糊推理法得到关键路口对无检测器路口的流量查询表,无检测器路口的流量预测直接由流星查询表得出.采用该方法对合肥市实际路口的交通流量进行预测,实验结果证明了该方法的有效性、可行性.     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

基于改进的Adaboost算法的交通事件自动检测

针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,提出了一种基于改进的Adaboost算法的交通事件检测方法。阐述了Kohonen神经网络的结构与训练算法,分析了事件对交通流的影响规律,并合理地选取了Kohonen神经网络的输入量;最后采用改进的Adaboost算法对分类结果进行加权投票。仿真实验表明,提出的方法学习速度快、泛化能力好,对交通事件具有较好的检测效果。