一种基于模糊神经网络的正则化学习算法的地铁列车运行控制

摘要

将两种不同的模糊神经网络分别应用于地铁列车控制中的站间运行阶段和定位停车阶段,仿真取得了令人满意的结果.为了降低控制系统的复杂度,提高系统的泛化能力,采用了在误差函数中引入正则项的方法.同时采用了基于扩展的自适应神经-模糊推理系统(简称ANFIS)获取模糊规则数和训练隶属度函数中心和宽度的方法.实验结果表明,将以上方法应用于地铁列车运行控制是可行的,可以保证较好的舒适性、速度跟随性和停车准确性.