论文部分内容阅读
该文从神经网络在汽车工程中应用实际出发,深入研究了相关的神经网络结构和学习算法,分析总结其构成特点,在原有的网络学习方法基础上提出针对不同应用特点的改进措施.其中重点研究Hebb学习规则、梯度下降法、模拟退火、单纯形法、遗传算法等,探讨多种学习方法的相互结合应用问题.针对人工神经网络在控制领域的应用优势,研究神经网络控制系统的建模与辨识问题,其中包括利用多层静态网络的系统辨识和利用动态网络的系统辨识;研究了神经网络控制系统的控制结构,包括神经网络监督控制、神经网络直接控制、神经网络自适应控制、神经网络内模控制、预测控制、自适应评判控制.同时,从应用的角度出发以基于全局逼近和局部逼近两方面对神经网络控制系统作了系统研究论述.将模糊理论、遗传算法等其他智能方法应用于神经网络是增强其解决问题能力的有效途径.重点研究了模糊神经网络的几种结构类型,包括应用于函数逼近的模糊神经网络、用于分类的FNN.其中重点研究了实现函数映射的模糊神经网络,包括网络的结构,输入空间的模糊划分方式、输出空间的模糊划分以及模糊推理规则的建立等;研究了基于Fuzzy ART的FNN和Simpson网络的网络结构和Fuzzy ART的学习算法;探讨了自适应神经-模糊推理系统ANFIS的相关问题,包括它的结构特点及其混合学习算法,进一步提出ANFIS和RBFN互利的学习方法.进一步提出应用神经网络和模糊系统的综合系统来解决汽车设计中的有关问题.其中包括应用ANFIS系统来解决汽车变速器优化设计中的数据处理问题;应用ANFIS系统处理发动机设计和参数测试中的有关数据处理.并将具体的数据应用结果与单纯使用神经网络系统处理的结果进行比较,表明两种方法的一致性和可行性,并且证明基于综合处理方法的解算速度更快.