Fuzzy operátoros módszerek alkalmazása az intelligens járműinformatikai rendszerekben = Applications of Fuzzy Operators in Intelligent Road Vehicle Informations Systems

摘要

A kutatásaink során összetett nemlineáris dinamikus rendszerek leírásának újszerű megközelítésével új és eredeti modellezési eljárásokat dolgoztunk ki a fuzzy és a tenzorszorzat operátoros módszerek alkalmazásával az intelligens járműinformatikai rendszerek területén. Ezen eljárások egy része a lineáris paraméterváltozójú (linear parameter varying system description) nemlineáris rendszerek keretén belül új kanonikus reprezentációkat dolgozott ki és alkalmazott, melyek alkalmasak bonyolult tudományos és műszaki feladatok megoldására. Az elméleti alkalmazások eredményesebb gyakorlati megvalósítása céljából ezen eljárásokat kiegészítettük a hozzájuk elméletileg is közel álló intelligens módszerek és eljárások fejlesztésével. Az így együttesen alkalmazott megközelítési mód a nagytömegű hatékony adatfeldolgozás mellett lehetővé teszi a szakértői tudás eredményes figyelembevételét is. Kutatásinkban lényeges előrelépés történt fuzzy rendszerek közelítő érvelése terén. A "közelítő" vagy "fuzzy" érvelés azt a gyakorlatban nagyon fontos esetet jelenti, amelyben valamilyen folyamatok révén várhatóan pontatlan következtetést lehet levonni szintén pontatlan előfeltételek halmazából. A modellezési eljárások kidolgozása kiterjedt különböző, az alkalmazások szempontjából fontos képfeldolgozási, alak felismerési, módszerek megalkotására is. A konkrét alkalmazások elsősorban a jármű és utas biztonság minőségének javítására irányultak az újonnan kidolgozott modellek alkalmazásával. | During our research we have developed novel approaches to describe and to model nonlinear dynamic systems mainly in the field of intelligent vehicle information systems by applying the fuzzy and tensor product operator based models and methods. One part of the research in the framework of linear parameter varying (LPV) nonlinear systems was aimed to develop and apply new canonical forms, which are useful to solve complex technical problems. In order to be able to apply these theoretical results in the practice we extend them with the development of intelligent methods and procedures. Such an approach beside efficient data processing enables to take into account the expert knowledge, as well. In our researches we improved the approximate reasoning of fuzzy systems. The approximate or fuzzy reasoning means the case, when trough some processes imprecise consequences can be concluded from the set of imprecise preconditions. The elaboration of modeling procedures covers various important image processing, shape recognition methods, as well. Moreover we successfully applied the developed methods also in the field of dynamic modeling of mechanical systems, where due to nonlinear phenomena only black box like approximations can be performed. The concretely applications aimed to improve the vehicle and passenger safety with the help of the developed novel methods. They may play an important role also by the design, implementation of an integrated intelligent transportation system.