化工过程机械专业优秀论文化工过程机械专业优秀论文 基于模糊控制的车辆防抱死制动系统基于模糊控制的车辆防抱死制动系统的研究的研究关键词：模糊控制关键词：模糊控制 神经网络神经网络 车辆制动系统车辆制动系统 ABSABS 防抱死制动防抱死制动 智能控制智能控制摘要：车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下 保持更好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研 究的基础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控 制和神经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业 过程控制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推 理能力来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有 强大的学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可 以弥补单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮 胎模型和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了 控制策略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利 用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想 达到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对 其进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进 行仿真，结果比单独采用模糊控制器效果更有提高。正文内容正文内容车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保 持更好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究 的基础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制 和神经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过 程控制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理 能力来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强 大的学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以 弥补单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎 模型和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控 制策略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆的动力学系统模型、地面轮胎模型 和制动器模型后，将模型引入到 MATIAB 的 SIMULINK 环境中，在确定了控制策 略后建立了输入、输出数据的隶属度函数，并且不断调试控制规则，利用 FUZZY 工具箱创建模糊控制器并作用在模型中进行仿真，仿真结果比较理想达 到了最初的设想。 利用 ANFISEDIT 首先创建了 T-S 型模糊控制器，再对其 进行了有导师学习和训练生成模糊神经网络控制器，并将其作用在模型中进行 仿真，结果比单独采用模糊控制器效果更有提高。 车辆的主动安全性能越来越多的受到人们的重视，让车辆在复杂工况下保持更 好的制动能力成为重要的课题。本论文在了解和借鉴了大量关于 ABS 研究的基 础上，将模糊控制和神经网络相结合引入到 ABS 的控制之中。 模糊控制和神 经网络都属于智能控制，与传统控制方法比较在高度非线性和复杂工业过程控 制系统中有明显优势。模糊控制正是试图模仿人所具有的模糊决策和推理能力 来解决复杂问题的控制难点，而神经网络不依赖于精确的数学模型，有强大的 学习能力和自适应能力且具有泛化能力。将两种智能控制结合在一起可以弥补 单一控制策略的不足。 本文在建立了车辆