汽车安全检测中基于多智能的动态抗扰模型的应用外文文献翻译、中英文翻译、外文翻译.docxVIP

附录一： 汽车安全检测中基于多智能的动态抗扰模型的应用 马晓风，吴超钟，闫新平 智能交通运输系统研究中心，武汉理工大学 Yujiatou 校园 125 邮箱，武汉，湖北省中国 430063 电话：86传真：86-27电子邮件： \h maxiaof@ 摘要：本文提出了一种安全的检测模式，提高了汽车的安全性。它包括三个子模 型：描述多智能车的状态模型系统，设置车辆检测区，并确定异常的模型代理汽车。为了保证正常的驾驶，识别异常的车辆后，进行相应的调整。一些模拟结果表明，跟其他模型相比，该模型的响应时间出现了危险的信号的时间很短。与此 同时，平均决策时间降低。结果还表明，阈值影响决策的正确性。根据结果，0.55 比其它阈值更好。 关键词：多智能，抗扰模型，阈值，二次响应 引言 随着公路运输业的快速发展，车辆速度的变快，也导致了越来越多事故的发生。一些汽车公司努力提高有关防止碰撞的汽车的技术，如美国的 IVHS 系统，欧洲的 PROMETHEUS 和日本的 ASV 系统。 如果司机发现有些危险，他应该做出一些决定，以避免碰撞。但是，做决定 时也有一些困难。第一，司机几乎没有时间去做决策。第二，司机因为面临危险时会表现很焦虑，所以会做出一些错误的决定。为了解决这个问题，一些安全检 测机构被用于车辆，以帮助司机迅速的做出正确的措施。在软件方面，本文提出 了一种新的同时基于抗扰理论和多智能理论的安全检测模型。 七十年代中期（Jerne，1974 年）已经提出了免疫系统的理论，然而，它是具有高复杂度的系统，而且正在积极研究中。目前的人工免疫系统（AIS）的运行采 用了只有少数免疫机制。具体来说，三个免疫学原理主要运用在 AIS 方法中。它们包括免疫网络理论，负选择的机制，以及克隆的选择原则。这一理论的应 用主要集中在解决电脑病毒问题（达斯古普塔，1999 年;拉蒙特，1999;达斯古普塔， 2003 年）。其应用程序也承认了 ID（Hofmeyr，1999）保罗 K.哈默，他们的论文 （保罗 K.哈默，2002 年）提出了一种免疫计算机网络模型来解决计算机病毒，同时，对有关理论的表现进行全面分析。斯蒂芬妮福雷斯特和史蒂芬A. Hofmeyr 也给了一些介绍免疫学的信息处理方法（斯蒂芬妮，2000）。 方法 为了创建一个新的模式，一些多智能的方法将被添加到 AIS 中。多智能的研究将采用免疫系统的方法。因此，活性剂可以是模拟淋巴细胞或者模拟抗原的电 池。如果车正常驱动，它属于自代理。其余针对交通低，抛锚等状态的汽车，属于非自我代理。在行驶时，汽车可能从一种状态更改为其他状态。这款车的状态是用一字符串 w 描述，就像淋巴细胞其自身的互补位。 W 能够被设置为有限长度的二进制或十进制串。因为交通系统的大多数数据是浮点数，小数字符串 是更好地形容这款车的状态。所以，在 W 串包括七个部分，这是其自身的速度，前车的速度，它与它的前车之间的距离，这两个在另一车道它和它的两个相邻车辆之间的距离，所不同的它的方向和道路方向，汽车的物理状态。主要不同 是自小区和非自身细胞之间方面取决于 W 上的字符串的内容。矩阵 M 是被用来描述其中试剂 （细胞）的情况。 检测区域 该图 1 由 M 和 W 给出了一个轿车检测区域和信息检测区域。在图 1 中第 2.1 和2.2 给出的方法是小汽车如何得到矩阵M，在汽车上八个子区域具有不同的影响。这样的子区域的半径也不同。这两个大半径和小半径被设定。其原理如下： 图 1 检测区域（星形代表传感器） 第一子区域是大半径的检测和底座上的安全距离 L.它协助轿厢来完成的跟车动作，改变车道。它不包括小半径。如果使用小半径的检测，就可能不会有 有足够的时间作出措施，因为汽车在前进方向是高速行驶。 第 2 号和第 4 号子区域的角度为 A（功能 1）。 功能（1）保证汽车安全改变车道。在这里，L 代表安全距离。 D 表示道路的宽度， S 表示该车的边缘和道路的白线之间的距离。例如，在图 1 中 S 是距离车的右边缘到虚线的距离，两个子区域是双检测。它们的小半径是相同的，有助于避免 碰撞。他们大半径的检测有助于帮助汽车完成跟车和换道。如果在 2 号和 4 号没有车，它能安全的变道。 第 6 号和第 8 号子区域是小半径的检测。它们被设计成检测相反方向的车，并避免这些车撞到了这辆车。因此，角度 B 可以是锐角。在本文中，B 被设定与 A 相同。 （4）3 号，5 号和 7 号都只是小半径检测，以避免碰撞。 收集数据 集合 M 包含两个子矢量，M1 和 M2（功能 2）。 M1 和 M2 分别表示为小半径检测和大半径检测结果。 集合 M 包含两个子矢量，M1 和 M。在子矢量 M 的七个数据，1