基于自组织竞争神经网络的智能交通信号灯控制

为了解决拥挤的城市交通问题,针对交通灯监控系统中可变的交通状况,提出一种基于自组织神经网络算法的监控系统。应用优化模型参实现交通灯的控制,使道路通畅。对监控系统进行分析,合理选择优化的模型参数,根据动态的车流量,通过模式分类有效分配当前车道的通行时间,并全面考虑同时通行的各种车道组合。该监控系统提高了车辆通行效率,使道路更为通畅。与传统的固定配时系统相比,它更适于当前纷繁复杂的交通状况。     

基于相序优化的多相位模糊交通控制

针对单交叉路口进行模糊交通控制算法的研究.首先提出一个简化的交叉路口交通流模型,设计一种基于相序优化的模糊控制器,然后以车辆平均延误时间为控制目标,采用模糊控制器和相序优化器联合进行交通控制.前者用来决定改变当前绿灯相位的时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,该模糊控制器能更有效地对单路口进行多相位闭环控制,控制效果令人满意.     

基于虚拟仪器的相位测量

本文探讨了在虚拟仪器平台下,利用虚拟仪器技术进行相位测量方法,实现了用软件代替部分硬件进行相位的计算,并给出了利用Labview7.1进行相位测量的程序.     

基于虚拟仪器的相位测量

本文探讨了在虚拟仪器平台下,利用虚拟仪器技术进行相位测量方法,实现了用软件代替部分硬件进行相位的计算,并给出了利用Labview7.1进行相位测量的程序。     

基于虚拟仪器技术的智能交通诱导系统设计

针对混合交通流(非线性、随机性)难以建立精确数据模型的特点,提出以单点控制方式为研究对象,以工控机和车辆检测器为前端路口控制器,构建交通诱导系统。通过对交叉口(路口)车流量数据的检测,对固定多时段定周期的绿时进行修正调整,在线优化配时方案,实现动态交通分配信号的控制。     

基于虚拟仪器的直接频率合成器相位噪声测量

相位噪声是DDS（直接频率合成器）的一个重要测量指标。介绍了基于虚拟仪器技术,把各个测量仪器有机地组建成DDS相位噪声的自动测量平台。通过高速数字DIO卡对DDS内部各个控制寄存器进行配置,调节DDS输出波形的频率,利用信号分析仪的相位噪声测量软件对DDS输出波形的相位噪声进行测量,最后基于Labview语言和NI公司的Digital Waveform Editor数字波形编辑软件开发了DDS相位噪声的自动测量软件。该方案也可用于DDS其它特性参数的测试。     

基于单片机控制的智能多相位交通控制信号机

为了提高道路交叉口的通行能力,提出了一种融入计算机技术、网络通讯技术和电子、自动化技术而设计的基于单片机控制的智能多相位交通控制信号机。文中首先介绍了智能多相位交通控制信号机的控制原理和控制方式,然后详细介绍了其功能、硬件组成及软件设计。     

基于车辆自组织网络的交通态势检测方法

随着汽车保有量的迅速增加,城市道路交通拥堵变得尤为严重,精确地检测交通态势可以帮助缓解交通问题。为此,提出一种基于车辆自组织网络（vehicular Ad hoc networks,VANETs）的交通态势检测方法---TraSD-VANET（traffic situation detection method based on VANETs）。在该方法中,车辆自动聚簇,然后主动向簇头汇报当前自身的位置和速度信息;簇头根据收到的信息计算簇内的车辆密度和路面上的加权平均速度,之后基于模糊逻辑判断簇内的交通态势。仿真结果表明,在四种车辆场景下,TraSD-VANET检测准确程度比协作检测方法 CoTEC （cooperative traffic congestion detection）平均高16％。该方法在道路交通态势检测中有重要的应用价值。     

基于ZigBee的智能交通控制系统研究

ZigBee是一种低速的无线个域网技术（LrpAN）,主要介绍了zigBee无线网络技术,并对它在智能交通控制系统中应用的的可行性进行分析、研究。     

基于ZigBee的智能交通控制系统研究

ZigBee是一种低速的无线个域网技术(LrPAN),主要介绍了ZigBee无线网络技术,并对它在智能交通控制系统中应用的的可行性进行分析、研究。     

神经网络技术在非线性系统控制中的应用

神经网络控制自问世以来得到广泛的应用。本文介绍了神经网络控制的概念及特点，概述了神经网络控制的主要控制策略并且讨论了它在实际应用中遇到的问题。同时，我们也根据自己在实际研究中的经验提出一些解决这些问题的方法。最后，我们对神经网络控制的应用前景和研究方向作一个展望。     

蚂蚁算法在智能公交网络优化中的应用研究

公共交通智能化调度系统是利用先进的技术手段,动态地获取实时公共交通信息,实现对公交车辆的实时监控和调度,是公交车辆调度的新模式,是公共交通实现现代化管理的重要标志。该文探讨了城市公交网络系统二维优化,称为初始网络优化和实时网络优化,分别构造数学模型,并提出优化算法。     

人工神经网络GTAW建模及控制

给出一种用于钨极气体保护电弧焊（ＧＴＡＷ）建及控制的人工神经网络（ＡＮＮ），重点论述利用ＡＮＮ建立焊接参数模型的方法以及在熔深控制方面的应用，通过实验证明，所提出的智能方法具有良好的系统控制性能。     

智能家庭网络研究综述

首先阐述了研究智能家庭网络的意义及其基本概念;然后逐一个介绍了国际上比较重要的六种智能家庭网络系统各自的特点,并列表将它们进行比较,指出它们的共同特点以及智能家庭网络的未来发展趋势;最后分析了智能家庭网络需要研究的主要问题。     

基于BP神经网络的仿人智能控制仿真研究

在仿人智能控制算法的闭环阶段。须调整比例、积分和微分三种控制作用，形成控制量既相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳的。而BP神经网络所具有的任意非线性表达能力。可以通过对系统性能的学习来实现具有最佳组合的过程控制。在对非线性系统的数值仿真中，取得了较好的阶跃响应。     

基于不变矩和神经网络的交通标志识别方法研究

在交通标志实时识别过程中，由于参考图像与实测图像不是同时获取的，因此摄像机与被摄交通标志之间的位置难以保证完全相同。于是，所获取的参考交通标志图像与实测交通标志图像之间就可能产生几何失真。几何失真将对于图像识别的结果带来很大的影响。因此，需要寻找一种具有旋转和比例不变性的图像识别方法，以满足实际应用中的需要。针对上述问题，提出了一种基于不变矩和神经网络的交通标志识别算法。实验结果表明，所提出的识别算法具有很好的识别能力。     

基于神经网络变结构控制的PMSM系统研究

针对交流永磁同步电机伺服系统中，变结构控制策略存在的抖动，采用递归神经网络来调节变结构控制器参数，有效的削弱了变结构控制固有的抖动特性。仿真结果表明，该方案不仅具有良好的动态性能，而且对系统参数变化和负载扰动具有很强的鲁棒性。     

基于RBF神经网络的短期负荷预测

短期电力负荷预测是电力系统运行调度中一项重要的内容,传统的电力负荷预测方法都是建立在线性假设基础之上,由于预测精度低,难以满足现在电力部门的要求。人工神经网络己被应用在电力负荷预测中,并取得了较为理想的结果。主要基于神经网络的负荷预测模型,通过MATLAB仿真实验平台,构建RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差较小,取得了令人满意的结果。     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

人工神经元网络在CGF智能行为模型中的应用研究

CGF系统是未来作战仿真所必备的技术支持,国内的CGF系统尚不成形,急需对其进行深入研究以满足作战仿真不断发展的需要,文中以实现一个排原CGF坦克实体的自动驾驶功能谡列,探讨了用人工神经元网络建立CGF实体智能行为模型的方法,并对其可行性进行了验证,取得了较好的效果。