论文部分内容阅读
小波神经网络是建立在小波分析理论基础上的一种新型神经网络。由于其兼容了小波分析和神经网络的优点，因此在非线性函数逼近，非线性动态系统建模和辨识，非线性系统控制以及故障诊断等方面都得到了广泛应用。
ABS系统是非线性系统，探索一种有效的控制方法是ABS系统发展的关键。目前实用中的ABS产品大多采用逻辑门限值控制方法，这种方法简单，可实施性好，但其门限值的获得需要通过大量试验，而且不同的车辆需要不同的匹配技术，控制过程中车轮滑移率也不是保持在最佳滑移率上，逻辑门限值总是处于波动状态，因此控制效果不是很好，制动距离也稍长。基于小波神经网络和模糊神经网络控制技术的汽车ABS无须对受控对象建模，有快速、简单的特点，能把人的经验形式化与模型化，变成计算机可以接受的模型，让计算机代替人进行有效的实时控制。而且基于小波神经网络最佳滑移率识别器与模糊神经网络控制器的防抱制动系统较之传统的门限方法控制更加平稳，结合车辆动力学控制后，它将是一个有效的控制方法。
本文在对小波神经网络的结构、学习算法、辨识等深入研究的基础上，将小波神经网络用于最佳滑移率识别器的设计，并在所得的滑移率基础上设计模糊神经网络控制器，最终使控制器的输出能够很好的跟踪Sp。