《表1 训练计算结果：模糊神经网络在列车防冒进系统中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《模糊神经网络在列车防冒进系统中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将原始数据再次放入训练好的模型进行数据拟合对比，建立的ANFIS模型将会根据输入数据生成预测输出数据。从图7可以看出预测输出数据与实际输出数据拟合误差效果良好，表1可以看出拟合平均误差为1.315 m左右。建立模型与实际数据集适应性良好，两条曲线几乎重合在一起，将其与现行的防护曲线相结合，使其都位于防护曲线的限速之下，满足列车运行安全性的要求。部分预测与数据对比如表1。从表中可以看出存在着随着制动距离的增加，预测制动距离的误差逐渐加大的现象。其原因是由于随着制动距离的增加，线路遭遇到各种影响因素逐渐增多，而列车制动过程的特点是时变性、离散型较大，在速度变化的同时，作用力也将时刻变化。而本文构建的ANFIS模型只是根据某一时刻的输入进行判断，故随着制动距离与制动初速度的值变大其预测的值误差将会增大。为了避免误差增大带来的安全性问题，本文研究的防冒进系统将会采取双冗余的结构保证列车运行的安全性，即采取传统防护曲线加ANFIS模型预测两层逻辑处理的系统。