探析基于模糊神经网络的公路隧道通风控制方法研究

《探析基于模糊神经网络的公路隧道通风控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、YLLIIIIIllqI,Iq15,tI!LI'2,IHl71,IIIIl6IIILIl51,ILIIL4IIIULY1527654分类号：U4910710—20040521谖步夫海硕士学位论文导师姓名职称申请学位级别基于模糊神经网络的公路隧道通风控制方法研究彭尚军赵忠杰副教授硕士学科专业名称交通信息工程及控制论文提交日期2007年5月5日论文答辩日期2007年6月4日学位授予单位长安大学答辩委员会主席巨永锋教授学位论文评阅人王华牢高工苏诗琳副教授摘要公路隧道通风系统具有很强的非线形特征，传统的线

2、性控制理论难以获得精确的数学模型，因此，模糊控制等现代控制方法成为公路隧道通风控制的趋势，但模糊控制存在隶属函数、控制规则难以确定的问题。本文将具有强大学习能力的神经网络融合到模糊控制系统中，研究了公路隧道通风的模糊神经控制方法。解决了模糊控制系统本身的学习和适应能力差、模糊变量各语言值隶属函数，控制规则不能随着环境参数(如交通量、基准排放量等)的改变而自动调整和修改等问题。针对公路隧道通风模糊控制系统，参考了最优规则排序无关，在此基础上修改控制规则，获得了较优的规则库，与常规试凑法相比，大大节省

3、了调整时间，同时利用等价结构的模糊神经网络模型，使其与规则库更好的匹配，反复调整隶属函数和修改控制规则，获得最佳模糊组合。并且建立了隧道小时交通量预测模型，可以获得任意给定交通量预测模型下的最佳模糊组合，从而实现了最优控制。提出基于模糊神经网络模型的隧道通风控制方法，能自动修改规则库和调整隶属函数，与单纯的模糊控制方法相比，提高了控制系统的自动化程度，提前预测未来的交通状况，节省了调整时间，降低了电能消耗。’关键词：隧道通风模糊神经网络控制方法交通量预测AbstractTheroadtunnelv

4、entilationsystemhasstrongnon—linearcharacteristicanditisdifficulttogaintheprecisemathematicalmodelbyusingthetraditionallinearcontroltheory,therefore，themodemcontrolmethodssuchasthefuzzycontrolbecomethetrendfortheroadtunnelventilationcontr01．However,th

5、erearesomedifficultieswiththeestablishmentofthefuzzymembershipfunctionsandtherulebase．ThepaperuseFuzzyNeuralNetworkControl(n州C)systemtoimprovethemethodoftunnelventilationcontr01．SolvedtheproblemssuchasFuzzyLogicalControlsystem’Slackingoflearningandada

6、ptiveability,themembershipfunctionsofthefuzzyvariablescannotbechanged，thefuzzylogicalrulescannotbemodifiedautomaticallywhenenvironmentalvariablessuchastrafficmodel，averageexhaust，etc，arechanged．Inviewofthefuzzycontrolsystemoftunnelventilation,onthebas

7、isofthebestrulesortingindependence，logicalrulesaremodifiedandtheoptimizedrulesaregained．Rtakesmuehlesstimetoregulaterulesbyusingtheabovemethodthanthetraditionalone．Andestablishedthetunnelhourtrafficvolumeforecastmodel，inaddition,membershipfunctionsare

8、adjustedbyusingfuzzyneuralnetworkbasedOilBackPropagation(BP>algorithm，SOtheymatchfortherulesbetterandamorereasonablefuzzycombinationisgot．Thenthefinaloptimizedfuzzycombinationbasedonanyspecifictrafficvolumeforecastmodelisgained．TheFNNCsystemCa