用于使用软计算优化器的机动车的智能强健控制系统技术方案

描述了一种用于使用软计算（ＳＣ）优化器的机动车的智能强健控制系统，该ＳＣ用于设计在用于控制机动车的控制系统使用的知识库（ＫＢ）。用户选择模糊模型，包括一个或多个：输入和／或输出变量的数目；模糊推理类型；隶属函数的初级类型。利用遗传算法（ＧＡ）优化语言变量参数和输入－输出训练方式。利用ＧＡ并使用模糊模型、最佳语言变量参数和教导信号来优化规则库。ＧＡ产生近似最佳的模糊神经网络（ＦＮＮ）。可利用典型基于导数的优化过程改善近似最佳的ＦＮＮ。利用基于受控车间的实际车间模型响应的适应函数，优化ＧＡ构建的模糊推理系统（ＦＩＳ）结构。ＳＣ优化器产生强健的ＫＢ，其通常小于现有技术方法产生的ＫＢ。

【技术实现步骤摘要】

本专利技术涉及根据软计算电子地控制机动车的驾驶和操纵灵活性的系统。
技术介绍
反馈控制系统，广泛地用于将动力系统的输出维持在期望值，而不管使期望值发生转移的外界干扰。例如，一种家用的空间加热炉，其由自动调温器控制，就是反馈控制系统的一个例子。所述自动调温器不断地测量房子内部的气温，并且当温度低于期望最低温度时所述自动调温器就打开炉子。当室内的温度达到期望的最低温度时，所述自动调温器就关闭炉子。自动调温器-炉子系统，使家里的温度维持在基本上恒定的值，而不管诸如室外温度的下降这样的外界干扰。相似类型的反馈控制用于许多应用中。反馈控制系统中的中心部件是受控对象、机器或一种可以被称为“车间”的处理，其输出变量将受到控制。上述例子中，所述“车间”是房子，所述输出变量是房子中的室内气温而所述干扰是透过房子的墙壁的热流(扩散)。该车间由控制系统控制。在上述例子中，所述控制系统是与炉子相结合的自动调温器。所述自动调温器-炉子系统利用简单的开关反馈控制系统来保持房子的温度。在许多控制环境中，诸如电动机轴角(shaft position)或发动机转速控制系统，简单的开关反馈控制是不够的。更高级的控制本文档来自技高网...

【技术保护点】
一种软计算优化器，用于设计在机动车转向系统的软计算控制中使用的知识库，其包括：一个模糊推理机；一个用户输入模块，被配置成允许用户选择至少一个优化参数，所述优化参数包括下述参数的至少其中之一：所述知识库的输入变量的数目、所述知 识库的输出变量的数目、用于所述模糊推理机的模糊推理模型的类型、以及隶属函数的初级类型；一个机动车和制导器的动态模拟模型；一个遗传算法，其被配置成优化使用所述模糊推理机的所述知识库，以控制所述动态模拟，所述遗传算法被配置成优化 所述至少一个优化参数。

【技术特征摘要】
US 2004-3-3 10/792,2921.一种软计算优化器，用于设计在机动车转向系统的软计算控制中使用的知识库，其包括一个模糊推理机；一个用户输入模块，被配置成允许用户选择至少一个优化参数，所述优化参数包括下述参数的至少其中之一所述知识库的输入变量的数目、所述知识库的输出变量的数目、用于所述模糊推理机的模糊推理模型的类型、以及隶属函数的初级类型；一个机动车和制导器的动态模拟模型；一个遗传算法，其被配置成优化使用所述模糊推理机的所述知识库，以控制所述动态模拟，所述遗传算法被配置成优化所述至少一个优化参数。2.根据权利要求1所述的软计算优化器，其中所述模糊推理机包括一个模糊神经网络。3.根据权利要求1所述的软计算优化器，其中所述模糊推理模型包括一个玛姆达尼模型。4.根据权利要求1所述的软计算优化器，其中所述模糊推理模型包括一个苏格农模型。5.根据权利要求1所述的软计算优化器，其中所述动态模拟模型包括一个前馈制导器模型。6.根据权利要求1所述的软计算优化器，其中所述遗传算法被配置成根据一个教导信号来优化所述知识库。7.根据权利要求1所述的软计算优化器，其中所述动态模拟模型包括一个线性轮胎模型。8.根据权利要求1所述的软计算优化器，其中当沿着一个环形路线操纵所述机动车时，所述遗传算法对所述知识库的结构进行优化。9.根据权利要求1所述的软计算优化器，其中所述动态模型由一个线性控制器控制。10.根据权利要求1所述的软计算优化器，其中所述遗传算法使用一个适应函数，该适应函数被配置成将所述动态模型的熵产生比率最小化。11.一种用于优化在用于操纵机动车的软计算控制器中的知识库的方法，包括通过选择一个或多个参数来选择一个模糊模型，所述一个或多个参数包括输入变量的数目、输出变量的数目、模糊推理模型的类型以及教导信号中的至少其中之一；按照所述一个或多个参数优化知识库的语言变量参数，以按照从一个机动车和制导器的动态模拟模型中获得的教导信号产生优化的语言变量；按照触发强度对所述规则库中的规则进行分级；删除触发强度相对弱的规则，留下从所述规则库中的所述规则中所选择的规则；使用所述模糊模型、所述语言变量参数和所述优化的语言变量，优化所选择的规则，以产生优化的选定规则。12.根据权利要求11所述的方法，还包括使用基于导数的优化过程来优化所选择的规则。13.根据权利要求11所述的方法，还包括优化所述优化的选定规则的隶属函数的参数，以降低近似值误差。14.一种软计算优化器，包括一个第一遗传优化器，被配置成优化用于一个模糊推理系统中的模糊模型的语言变量参数；一个第一知识库，通过使用从操纵一个机动车的动态模拟中获得的训练信号来训练该知识库，所述模型包括一个轮胎模型和一个制导器模型；一个规则估算器，被配置成按照触发强度对所述第一知识库中的规则进行分级，并删除触发强度相对弱的规则，以产生一个第二知识库；以及一个第二遗传分析器，被配置成利用所述模糊模型优化所述第二知识库。15.根据权利要求14所述的软计算优化器，还包括一个优化器，其被配置成利用典型的基于导数的优化来优化所述模糊推理模型。16.根据权利要求14所述的软计算优化器，还包括一个第三遗传优化器，其被配置成利用所述第二知识库优化所述语言变量的结构。17.根据权利要求14所述的软计算优化器，还包括一个第三遗传优化器，其被配置成优化所述模糊推理系统中的隶属函数的结构。18.根据权利要求14所述的软计算优化器，其中所述轮胎模型包括一个线性轮胎模型。19.根据权利要求14所述的软计算优化器，其中所述轮胎模型包括一个具有瞬态效应的线性轮胎模型。20.根据权利要求14所述的软计算优化器，其中所述第二遗传分析器使用一个适应函数，该适应函数被配置成降低所述动态模拟模型的熵产生。21.根据权利要求14所述的软计算优化器，其中所述第一遗传算法被配置成选择若干用于所述第一知识库的隶属函数。22.根据权利要求14所述的软计算优化器，其中所述第一遗传算法被配置成选择用于所述第一知识库的隶属函数的类型。23.根据权利要求14所述的软计算优化器，其中所述第一遗传算法被配置成选择用于所述第一知识库的隶属函数的参数。24.根据权利要求14所述的软计算优化器，其中用于所述第二遗传算法的适应函数至少部分地取决于...

【专利技术属性】
技术研发人员：藤井茂，渡边仁，谢尔盖A潘菲洛夫，高桥一树，谢尔盖V乌里扬诺夫，
申请(专利权)人：雅马哈发动机株式会社，
类型：发明
国别省市：JP[日本]