侯志祥
- 作品数:55 被引量:335H指数:12
- 供职机构:长沙理工大学汽车与机械工程学院更多>>
- 发文基金:国家自然科学基金湖南省自然科学基金湖南省教育厅科研基金更多>>
- 相关领域:交通运输工程自动化与计算机技术机械工程动力工程及工程热物理更多>>
- 甘蔗剥叶机机架模态试验研究被引量:2
- 2002年
- 对甘蔗剥叶机机架进行了单点脉冲激振和多点拾振的试验研究 .结果表明 ,该方法较准确地提示了影响甘蔗剥叶机机架动态性能的因数 ,从而为甘蔗剥叶机的模态分析、动力响应分析和动态优化提供了准确、可靠的试验参数 .
- 张玉萍沈炜良刘龙武侯志祥
- 关键词:模态分析动力响应甘蔗剥叶机动态优化机架
- 化油器式汽车闭环电控补气系统的研制
- 2001年
- 为使化油器式在用车达到排放法规 ,介绍了自行研制的用于化油器式汽车降低排放的发动机化油器闭环电控补气系统 ,分析了该电控系统的工作原理、组成结构及模糊控制算法。实验表明 。
- 侯志祥刘振闻吴义虎张玉萍赵爱琼
- 关键词:汽油机模糊控制化油器汽车汽车排放发动机
- 基于ANFIS的非线性系统辨识研究被引量:11
- 2004年
- 系统辨识是控制系统设计的基础,对非线性系统进行辨识是当前的难点;文献[1]提出了用模糊建模方法,文献[2]提出了用神经网络方法,在总结上述方法不足的基础上,该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。
- 侯志祥申群太李河清
- 关键词:ANFIS系统辨识非线性系统神经网络自适应神经模糊推理系统
- 基于自适应神经模糊推理系统的非线性系统辨识被引量:9
- 2005年
- 针对非线性系统辨识方法中偶然性大,精度不高,收敛速度慢,训练过程时间长的问题,提出一种基于自适应神经模糊推理系统的非线性系统辨识方法,利用模糊推理系统使规则结构化及神经网络具有很强的泛化能力相结合,具有以任意精度逼近任何线性或非线性函数的特点。对非线性系统进行辨识,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。
- 侯志祥申群太李河清
- 关键词:自适应神经模糊推理系统非线性系统
- 基于神经网络的我国汽车保有量建模与预测被引量:2
- 2000年
- 利用改进 BP神经网络对我国 2 0 0 0年、2 0 0 5年、2 0 10年的汽车保有量进行预测 ,并与灰色预测的结果进行对比 ,结果表明 ,由于神经网络具有很强的学习与泛化能力 ,在处理具有一定程度不确定性的非线性系统的建模与预测方面有较好的应用价值。
- 侯志祥刘振闻颜学斌
- 关键词:神经网络汽车保有量
- 基于混合遗传算法的主动悬架集成优化研究被引量:10
- 2005年
- 作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。
- 侯志祥吴义虎申群太
- 关键词:主动悬架结构参数LQG控制器汽车混合遗传算法
- 基于自适应神经模糊推理系统的高速公路临界安全车距研究被引量:2
- 2004年
- 汽车高速追尾是我国高速公路交通事故的主要形式之一,研究高速公路汽车临界安全车距对预防汽车追尾事故的发生具有积极的意义。文章通过对高速公路汽车临界安全车距的分析,提出了一种高速公路汽车临界安全车距的ANFIS(自适应神经模糊推理系统)模型,经计算和对比分析,验证了该模型的有效性。
- 侯志祥吴义虎刘振闻
- 关键词:高速公路ANFIS仿真
- 基于变目标函数萤火虫优化路径的机器人移动方法
- 基于变目标函数萤火虫优化路径的机器人移动方法,包括以下步骤:S1、构建路径规划场景;S2、设计两个不同的目标函数;S3、启用搜索终点目标函数作为初始目标函数;S4、判断机器人终点方向有无障碍物,若无障碍物则机器人直接向终...
- 李凤玲范兴江侯志祥游庆如尹正安田肖成威
- 文献传递
- 车用汽油机减速工况空燃比精确控制仿真
- 该文以CS492发动机为研究对象,通过发动机台架实验,获取发动机节气门和补气阀门变化时发动机空燃比值,分析了补气控制系统各参数对空燃比的影响,确定在减速工况时影响发动机空燃比的主要因素,建立了发动机空燃比的简单模型.利用...
- 侯志祥
- 关键词:车用汽油机空燃比PID控制模糊控制
- 文献传递
- 基于AEPSO优化的神经网络多步预测控制被引量:10
- 2007年
- 为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。
- 侯志祥吴义虎袁松贵申群太
- 关键词:预测控制神经网络粒子群优化收敛性