倪 泉 葛友华 王 斌

(常州大学机械工程学院1，江苏 常州 213164；盐城工学院机械工程学院2，江苏 盐城 224001)



汽车制动系统可靠性预测的模糊神经网络研究

倪 泉1葛友华2王 斌2

(常州大学机械工程学院1，江苏 常州 213164；盐城工学院机械工程学院2，江苏 盐城 224001)

计时传统模糊神经网络算法在汽车制动系统(ABS)可靠性预测中存在预测精度不高、误差较大等问题，提出了一种基于优化隶属函数的改进模糊神经网络算法。采用偏移优化方法对模糊控制算法的隶属函数进行改进;引入粒子群算法进行自适应惯性权重的寻优能力、收缩因子的收敛速度优化;最后与模糊神经网络算法融合，调整原算法的中心值、宽度值和连接权值，避免原算法在汽车制动系统可靠性预测中陷入局部最小值。仿真实验表明，改进的模糊神经网络算法具有比传统神经网络算法和模糊控制算法更小的预测误差。

汽车制动系统(ABS) 可靠性预测 模糊神经网络 粒子群算法(PSO) 函数优化

0 引言

汽车的安全性能已经成为人们重视的主要方面[1]。汽车安全性能研究起步较早，首先应用于实际的是汽车制动系统(automotive braking system,ABS)，接着是防滑系统(acceleration slip regulation,ASR)、车身电子稳定系统(electronic stability program，ESP)等[2-3]。但是，交通事故依然频发，汽车安全性能仍需要提高[4]。

从汽车制动系统可靠性预测研究来看，涌现出了Monte-Carlo 法、Bayes法、故障模式、影响和危害性分析(failure mode,effects and criticality analysis，FMECA) 法和故障树分析(fault tree analysis，FTA)法等[5-10]。蔡骏宇提出基于IRAS 的汽车故障检测模型，该模型一定程度上对汽车安全性能进行了检测[6]。……