汽车电控自动变速器常见故障的判断与排除

电子控制自动变速器的ECU内部有一个故障自诊断系统,它能在汽车行驶过程中不断监测自动变速器电控系统各部分的工况,并能检验出电控系统中大部分故障,本文就汽车电控自动变速器推档冲击大、无超速档、不能强制降档和无锁止等常见故障提出判断与排除措施.     

自动变速器的应用现状与发展趋势

论述了自动变速器的分类、特点，对主要类型的自动变速器作了系统介绍，对其发展趋势作了简要分析．     

模糊神经网络在病虫害诊断中的应用初探

基于模糊神经网络的理论。针对病虫害的诊断，给出了相关的模糊神经网络数学模型．     

自动变速器传动路线分析在异响故障诊断中的应用

本文结合自动变速器的结构原理对其传动路线进行了分析,并深入分析了异响故障的主要原因和诊断思路。     

基于模糊神经网络的电动汽车变速器故障检测研究

针对电动汽车变速器故障呈现不确定性特征,影响检测性能的问题,设计了基于模糊神经网络的电动汽车变速器故障检测方法。从电动汽车变速器故障状态的工况数据中,提取电动汽车变速器的故障征兆参数;模糊化处理电动汽车变速器的故障征兆参数,依据电动汽车变速器故障征兆参数的隶属度,构建模糊规则库;利用BP神经网络学习模糊规则库的故障检测模糊规则,通过正向传播、反向传播和权值修正完成BP神经网络训练。将电动汽车变速器测试样本输入完成训练的BP神经网络,BP神经网络依据测试样本的模糊隶属度向量,输出故障检测结果。实验结果表明,该方法可以有效检测电动汽车变速器的齿轮断齿等不确定性故障,实用性强。     

模糊神经网络的自动变速汽车换挡规律分析

在分析目前汽车自动变速器换挡规律制定方法优缺点的基础上,提出了基于模糊神经网络的最佳挡位判断方法,研究了基于Takagi-Sugeno模型的神经网络结构及其算法。根据熟练驾驶员的经验和专家知识制定了汽车自动变速器换挡规律的两参数模糊逻辑推理规则和隶属度函数,利用人工神经网络的学习训练机制并按照试验样本修正了模糊系统的隶属度函数和模糊控制规则,进行了模糊神经网络的训练和仿真,仿真结果表明该基于Takagi-Sugeno模型的模糊神经网络的汽车自动变速器换挡规律制定方法的正确性和可行性。     

T-S模糊神经网络在冠心病智能诊断中的应用

 冠心病是一种最为常见的心血管疾病,近年来在中国的发病率与死亡率逐年升高,准确诊断和及时治疗是有效降低冠心病死亡率的主要措施。通过引入模糊系统的理论,在传统BP神经网络结构中加入了模糊层与模糊规则计算层,建立了T-S模糊神经网络模型。使用该模型对采集于克利夫兰诊所的297组数据进行分析预测,与传统BP神经网络预测结果对比显示,T-S模糊神经网络模型的平均准确率为82.93%,而传统BP神经网络的平均准确率为75.56%,表明T-S模糊神经网络模型在冠心病的智能诊断中具有较高的预测准确率。     

模糊神经网络及其在信道均衡中的应用

阐述了模糊逻辑与神经网络的特点以及两者相融合的历程，分析了模糊神经网络盲均衡算法的历史、现状、特点及其发展趋势。     

工程车辆自动变速器换挡的神经网络控制系统

通过BP（back propagation)神经网络对工程车辆“两参数换挡规律”进行系统建模和控制,并利用在ZL50装载机传动系统换挡实验中获得的数据进行验证性仿真,所得到的仿真挡位与实验挡位基本保持一致,表明该BP神经网络挡位控制系统可根据操作工况环境实现正确的变速箱挡位控制,这是实现工程车辆挡位决策智能化的一种行之有效的方法。     

模糊神经网络理论及其应用

本书是《机器感知与人工智能》丛书的第59卷。模糊神经网络和神经模糊系统具有较长的发展历史，最初是1975年由Ed Lee发表的关于模糊神经的论文提出的。神经模型系统可以被看作为神经计算与模糊逻辑的协同合作。它从神经计算继承了与学习及近似相关的概念和技术。从模糊逻辑继承了成粒作用、语言变量、模糊蕴含规则、推理规则及约束传播。本书系统地综述近年来模糊神经网络领域中的研究成果，全面介绍了理论及其对系统建模和图像恢复方面的应用，提出了模糊神经网络的发展方向，强调了模糊神经网络的基本概念与总体结构的分析。本书的特殊之处在于研究了各种各样的模糊神经网络和它们的学习算法与通用近似，并且采用了精心设计的模拟实例来帮助读者掌握基础的理论。     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

模糊神经网络的MRAC在环境试验箱控制中应用

针对环境试验箱具有非线性、时变性、强耦合性使得经典控制理论难以对其进行有效控制的问题,提出了以模糊神经网络构成间接模型参考自适应控制方案,以满足系统稳定性、实时性的设计要求.阐述了如何运用模糊神经网络构造间接模型参考自适应控制系统及如何对模糊神经网络构造的辩识器和控制器进行学习和训练.仿真结果表明,该智能控制系统具有很强的鲁棒性和控制复杂被控对象的优越性.     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

一种基于模糊神经网络控制系统的构建方法

给出了在构造基于模糊神经网络的控制系统的过程中利用遗传算法优化输人向量维数的一种改进方法,在此基础上进一步给出了一种通过数据分类提取模糊推理规则的方法,并且将两种方法结合起来形成一种基于模糊神经网络控制系统的构建方法．     

基于神经网络与模糊逻辑的直接转矩控制系统

实现直接转矩控制 (DTC)的关键部件是定子磁链观测器和逆变器状态开关选择器 ,用训练好的神经网络取代U I N模型 ,模拟传统异步电动机DTC系统定子磁链观测器 ;把模糊控制算法引入状态开关选择器 ,用较少的模糊规则实现磁链误差、转矩误差和磁链角对逆变器开关的分级控制 .仿真结果表明 ,基于神经网络与模糊逻辑控制方法建立的直接转矩控制系统 ,具有较强的鲁棒性和良好的动态性能     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性,无法精确建立数学模型的特点,设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制,以达到提高控制效果的目的．提出模糊神经网络控制方法,并设计出相应的控制器,通过Matlab仿真及实际应用论证了该控制器的可行性．     

基于模糊神经网络的交通灯智能系统

设计了一个使用模糊和神经网络的交通灯智能系统.此系统能根据汽车重量、长度和速度来改变信号灯等待时间.通过计算机仿真表明,此方法比固定时间信号灯更有效.新方法的汽车平均等待时间减少,通过十字路口的速度较快以及燃料消耗都会提高.     

正规化模糊神经网络在自动车控制中的应用

：把模糊理论与神经网络理论相结合,构造了一个正规化模糊神经网络ＮＦＮＮ,并应用于无人小车自动轨迹跟踪的控制。仿真及试验结果表明,该网络具有良好的表达能力和极强的自适应学习能力,能正确识别较复杂的轨迹。     

噪声有源控制的简化模糊神经网络方法

研究了非线性噪声有源控制的问题,给出了一种简化的模糊神经网络控制方法。控制系统只有一个输入,需要比较少的参数,因此降低了计算负荷。系统的收敛速度明显快于全局逼近神经网络。