神经网络在汽车底盘综合性能检测中的应用研究
|
摘要
汽车已成为当今人们生产和生活中重要的交通工具，在使用过
程中各总成、部件故障不仅会影响和困扰运输生产过程，造成巨大
的损失，而且会带来一系列安全性和经济性等潜在问题，严重时甚
至产生不可预料的后果。因此，对总成部件尤其是关键部件故障进
行早期预测、监测及诊断是保证系统安全运行的重要环节，也是近
年来人们关注并致力研究的问题。然而由于汽车结构和装备的复杂
化，要及时、准确地对各个设备的状态、可能的故障以及已有的故
障进行监测、预测和诊断分析，并迅速地做出避免和排除故障的措
施，一直是一个难题。人工神经网络技术为解决这些问题提供了一
条有效的途径。
人工神经网络是在现代神经学基础上提出的，通过模拟大脑神
经网络处理、记忆信息的方式而发展起来的自适应动力系统。五十
多年来，人们对人工神经网络进行了大量的研究，提出了近四十种
神经网络模型，如前向网络、反馈网络、随机网络、自组织神经网
络等。人工神经网络以其大规模的并行计算能力、自适应性和容错
性，在工业过程中解决诸如建模、智能控制、预测、分类、模式识
别、组合优化、数据和信号处理等方面发挥了重要作用，并迅速向
各个应用领域渗透。近年来，人工神经网络技术在汽车故障预测、
监测和诊断领域的应用研究日趋活跃。人工神经网络与人工智能的
另一重要分支—专家系统相结合，在汽车故障监测和诊断领域具有
广阔的应用前景。
由于汽车复杂程度的增加，为了保证汽车的各种性能和使用寿
82
摘 要
命，对汽车所要检测的项目也随之增多，仅靠一种检测设备检测一
个项目已经不能满足汽车在线检测的要求。在这种情况下，研究和
开发多功能的汽车检测诊断设备具有十分重要的意义。
本论文对多功能汽车检测设备以及神经网络及其在汽车轮、轴
松旷间隙及车轮定位参数检测中的应用进行了研究。在理论上，分
析了汽车轮、轴松旷间隙产生和检测的机理、汽车制动性能理论、
平板式制动性能试验台的检测机理和车轮侧滑产生的机理和检测方
法。提出了涉及到轮、轴松旷间隙检测、制动性能检测、侧滑以及
称重等多种功能的检测设备，该设备在构思方案、具体结构和技术
上都有新的思路。在应用上重点研究了神经元网络在轮、轴松旷间
隙识别和车轮外倾角和前束角的检测中的应用。论文研究的主要内
容安排为：
一、回顾了汽车底盘检测的国内外发展状况，概括介绍了汽车
底盘检测的意义、基本内容以及神经网络的定义和基本类型。论述
了神经网络在汽车故障监测和诊断中的应用和最新进展状况。
二、研究了汽车轮、轴松旷间隙产生和检测的机理、汽车制动
性能理论、平板式制动性能试验台的检测机理和车轮侧滑产生的机
理和检测方法。提出了包括轮、轴松旷间隙检测、制动性能检测、
侧滑以及称重等多种功能的检测设备，给出其结构形式。
三、研究了多功能检测设备的测控系统。它分为两个部分，即
信号采集系统和控制系统。在信号采集系统中包括传感器的选择、
放大电路的设计和 A/D 转换卡的选择；在控制系统的研究中，详细
叙述了控制方案的具体内容。接着介绍了电路的抗干扰设计，包括
直流电源回路的抗干扰措施；信息检测中的抗干扰设计和信息传输
中的抗干扰措施等。
四、研究了神经元网络、模式识别基本理论和方法。在此基础
上讨论了自组织竞争神经元网络。结合检测特点将模糊聚类算法和
神经元网络竞争学习算法相结合，将模糊等价关系和类距离阈限引
入自组织神经网络模型中，提出了模糊自组织神经元网络模型和 BP
网络模型并将其应用于汽车底盘轮、轴松旷间隙识别和车轮前束角
83
吉林大学硕士研究生毕业论文
与外倾角检测中。
五、介绍了整个实验的流程。实验结果表明，多功能汽车检测
设备能够很好地应用于检测现场，缩短了检测时间，降低了检测费
用。模糊自组织神经元网络很好地解决了间隙识别的问题，为维修
人员快速诊断故障起到很好的指导作用。
本论文通过探寻检测的新方法、新技术，在完善相应检测理论
模型的基础上，研究开发了多功能汽车底盘综合性能检测设备。并
将神经元网络技术应用在汽车轮、轴松旷间隙识别和车轮外倾角和
前束角的检测中，从理论上和应用上丰富和发展了汽车检测方法，
建立起了较为完备的理论体系，为神经网络在汽车故障监测和诊断
这一领域中的实际应用提供了基础。
Automobile has become the important traffic tool in people’s
everyday life. In the course of using, every fault of every part of the car
cannot only affect transportation production, cause huge loss, but can
bring a series of latent problems such as safety and economy, seriously,
they can even produce the consequence that cannot expect. Therefore,
it’s very important to foresee and diagnose the fault early, which can
guarantee the system operate safely, and it is also the problem which
people have paid attention to and worked for in recent years. But
automobile is a complex system, it is hard to monitor the condition,
foresee and diagnose the fault of every equipment and put forward good
measures to avoid and get rid off the faults in time and accurately. It’s
always a baffling problem. Artificial neural network technology has
offered effective method to solve these problems.
Artificial neural network is put forward on basis of modern
neurology studies. It’s a self-adapting dynamical system based on
simulating human’s brain. In recent more than 50 years, people have
carried out plenty of researches on artificial neural network, and put
forward about 40 kinds of neural network models, such as feedforward
network, feedback network and random network, self-organizing neural
network. Artificial neural network has the ability of large-scale parallel
calculation, self-adapting and fault tolerance, so it has played important
85
吉林大学硕士研究生毕业论文
role in solving problems such as modeling, intelligent control, forecast,
classification, pattern recognition, combination optimization, data and
signal processing, and now widely used in every field. In recent years,
the artificial neural network technical has applied more frequently in the
field of inspection, diagnosis and forecast of vehicle failure. The
combination of artificial neural network and the other important branch
of artificial intelligence, expert system, has wide application prospect in
the field of diagnosis and inspection of vehicle failure.
Because of the increasing of automobile complexity, you must
detect plenty of items to guarantee the service life and various
performances of automobile. The equipment with only one function
cannot satisfy automobile online detection. On this condition, it has
great significance to research and develop the automobile detection
equipment with multifunction.
This paper studied for multifunctional automobile detection
equipment as well as artificial neural network and its application in
automobile chassis performance detection. In theory, we analyzed the
mechanism that conjugate of wheel and Kingpin produce and how to
detect, the theory of automobile brake performance and the testing
method on plain plate and the mechanism of wheel sideslips. On basis of
the theory above, we have put forward the multifunctional detection
equipment with functions such as conjugate detection, brake
performance detection, sideslip as well as weight. On application we
have studied fuzzy self-organizing neural network based on competitive
study algorithm. The major content of the paper as follows:
1．Has reviewed domestic and international development condition
of automobile chassis detection, generally introduced basic type and the
definition of neural network, basic content of automobile chassis
detection. Has discussed neural network newest progress condition and
the application in the diagnosis and inspection of vehicle failure,
86
Abstract
analyzed some basically theoretical problems that this field has not
solved.
2．Introduced the mechanism of conjugate of wheel and Kingpin and
detection method, the theory of automobile brake performance, the brake
performance testing method on plain plate and wheel sideslip theory.
With the theory put forward the multifunctional detection equipment that
includes the various functions such as suspension cleara
程中各总成、部件故障不仅会影响和困扰运输生产过程，造成巨大
的损失，而且会带来一系列安全性和经济性等潜在问题，严重时甚
至产生不可预料的后果。因此，对总成部件尤其是关键部件故障进
行早期预测、监测及诊断是保证系统安全运行的重要环节，也是近
年来人们关注并致力研究的问题。然而由于汽车结构和装备的复杂
化，要及时、准确地对各个设备的状态、可能的故障以及已有的故
障进行监测、预测和诊断分析，并迅速地做出避免和排除故障的措
施，一直是一个难题。人工神经网络技术为解决这些问题提供了一
条有效的途径。
人工神经网络是在现代神经学基础上提出的，通过模拟大脑神
经网络处理、记忆信息的方式而发展起来的自适应动力系统。五十
多年来，人们对人工神经网络进行了大量的研究，提出了近四十种
神经网络模型，如前向网络、反馈网络、随机网络、自组织神经网
络等。人工神经网络以其大规模的并行计算能力、自适应性和容错
性，在工业过程中解决诸如建模、智能控制、预测、分类、模式识
别、组合优化、数据和信号处理等方面发挥了重要作用，并迅速向
各个应用领域渗透。近年来，人工神经网络技术在汽车故障预测、
监测和诊断领域的应用研究日趋活跃。人工神经网络与人工智能的
另一重要分支—专家系统相结合，在汽车故障监测和诊断领域具有
广阔的应用前景。
由于汽车复杂程度的增加，为了保证汽车的各种性能和使用寿
82
摘 要
命，对汽车所要检测的项目也随之增多，仅靠一种检测设备检测一
个项目已经不能满足汽车在线检测的要求。在这种情况下，研究和
开发多功能的汽车检测诊断设备具有十分重要的意义。
本论文对多功能汽车检测设备以及神经网络及其在汽车轮、轴
松旷间隙及车轮定位参数检测中的应用进行了研究。在理论上，分
析了汽车轮、轴松旷间隙产生和检测的机理、汽车制动性能理论、
平板式制动性能试验台的检测机理和车轮侧滑产生的机理和检测方
法。提出了涉及到轮、轴松旷间隙检测、制动性能检测、侧滑以及
称重等多种功能的检测设备，该设备在构思方案、具体结构和技术
上都有新的思路。在应用上重点研究了神经元网络在轮、轴松旷间
隙识别和车轮外倾角和前束角的检测中的应用。论文研究的主要内
容安排为：
一、回顾了汽车底盘检测的国内外发展状况，概括介绍了汽车
底盘检测的意义、基本内容以及神经网络的定义和基本类型。论述
了神经网络在汽车故障监测和诊断中的应用和最新进展状况。
二、研究了汽车轮、轴松旷间隙产生和检测的机理、汽车制动
性能理论、平板式制动性能试验台的检测机理和车轮侧滑产生的机
理和检测方法。提出了包括轮、轴松旷间隙检测、制动性能检测、
侧滑以及称重等多种功能的检测设备，给出其结构形式。
三、研究了多功能检测设备的测控系统。它分为两个部分，即
信号采集系统和控制系统。在信号采集系统中包括传感器的选择、
放大电路的设计和 A/D 转换卡的选择；在控制系统的研究中，详细
叙述了控制方案的具体内容。接着介绍了电路的抗干扰设计，包括
直流电源回路的抗干扰措施；信息检测中的抗干扰设计和信息传输
中的抗干扰措施等。
四、研究了神经元网络、模式识别基本理论和方法。在此基础
上讨论了自组织竞争神经元网络。结合检测特点将模糊聚类算法和
神经元网络竞争学习算法相结合，将模糊等价关系和类距离阈限引
入自组织神经网络模型中，提出了模糊自组织神经元网络模型和 BP
网络模型并将其应用于汽车底盘轮、轴松旷间隙识别和车轮前束角
83
吉林大学硕士研究生毕业论文
与外倾角检测中。
五、介绍了整个实验的流程。实验结果表明，多功能汽车检测
设备能够很好地应用于检测现场，缩短了检测时间，降低了检测费
用。模糊自组织神经元网络很好地解决了间隙识别的问题，为维修
人员快速诊断故障起到很好的指导作用。
本论文通过探寻检测的新方法、新技术，在完善相应检测理论
模型的基础上，研究开发了多功能汽车底盘综合性能检测设备。并
将神经元网络技术应用在汽车轮、轴松旷间隙识别和车轮外倾角和
前束角的检测中，从理论上和应用上丰富和发展了汽车检测方法，
建立起了较为完备的理论体系，为神经网络在汽车故障监测和诊断
这一领域中的实际应用提供了基础。
Automobile has become the important traffic tool in people’s
everyday life. In the course of using, every fault of every part of the car
cannot only affect transportation production, cause huge loss, but can
bring a series of latent problems such as safety and economy, seriously,
they can even produce the consequence that cannot expect. Therefore,
it’s very important to foresee and diagnose the fault early, which can
guarantee the system operate safely, and it is also the problem which
people have paid attention to and worked for in recent years. But
automobile is a complex system, it is hard to monitor the condition,
foresee and diagnose the fault of every equipment and put forward good
measures to avoid and get rid off the faults in time and accurately. It’s
always a baffling problem. Artificial neural network technology has
offered effective method to solve these problems.
Artificial neural network is put forward on basis of modern
neurology studies. It’s a self-adapting dynamical system based on
simulating human’s brain. In recent more than 50 years, people have
carried out plenty of researches on artificial neural network, and put
forward about 40 kinds of neural network models, such as feedforward
network, feedback network and random network, self-organizing neural
network. Artificial neural network has the ability of large-scale parallel
calculation, self-adapting and fault tolerance, so it has played important
85
吉林大学硕士研究生毕业论文
role in solving problems such as modeling, intelligent control, forecast,
classification, pattern recognition, combination optimization, data and
signal processing, and now widely used in every field. In recent years,
the artificial neural network technical has applied more frequently in the
field of inspection, diagnosis and forecast of vehicle failure. The
combination of artificial neural network and the other important branch
of artificial intelligence, expert system, has wide application prospect in
the field of diagnosis and inspection of vehicle failure.
Because of the increasing of automobile complexity, you must
detect plenty of items to guarantee the service life and various
performances of automobile. The equipment with only one function
cannot satisfy automobile online detection. On this condition, it has
great significance to research and develop the automobile detection
equipment with multifunction.
This paper studied for multifunctional automobile detection
equipment as well as artificial neural network and its application in
automobile chassis performance detection. In theory, we analyzed the
mechanism that conjugate of wheel and Kingpin produce and how to
detect, the theory of automobile brake performance and the testing
method on plain plate and the mechanism of wheel sideslips. On basis of
the theory above, we have put forward the multifunctional detection
equipment with functions such as conjugate detection, brake
performance detection, sideslip as well as weight. On application we
have studied fuzzy self-organizing neural network based on competitive
study algorithm. The major content of the paper as follows:
1．Has reviewed domestic and international development condition
of automobile chassis detection, generally introduced basic type and the
definition of neural network, basic content of automobile chassis
detection. Has discussed neural network newest progress condition and
the application in the diagnosis and inspection of vehicle failure,
86
Abstract
analyzed some basically theoretical problems that this field has not
solved.
2．Introduced the mechanism of conjugate of wheel and Kingpin and
detection method, the theory of automobile brake performance, the brake
performance testing method on plain plate and wheel sideslip theory.
With the theory put forward the multifunctional detection equipment that
includes the various functions such as suspension cleara
引文
1 焦 李 成 .神 经 网 络 系 统 理 论 M.西 安 :西 安 电 子 科 技 大 学 出 版
社,1996.6～9
2 王盈嘉、苏建等.汽车综合性能检测.上海科技文献出版社,1999
3 黄德双.神经网络模式识别理论.电子工业出版社,1996
4 王文成.神经网络及其在汽车工程中的应用.北京理工大学出版
社,1998
5 胡守仁、余少波、戴葵.神经网络导论.国防科技大学出版社,1993
6 庄继德.汽车系统工程.机械工业出版社,1999
7 顾亮、顾志强.车辆悬架行驶平顺性全状态反馈主动控制.车辆与
动力技术，1998(2)
8 罗耀光、盛立冬.模式识别.人民邮电出版社,1989
9 李庆谷、蔡国廉.计算机模式识别技术.上海交大出版社,1986
10 赵振宇，徐用懋.模糊理论和神经网络的基础与应用[M].北京：
清华大学出版社，1996：14-40
11 虞和济、陈长征、张省、周建男.基于神经网络的智能诊断.冶金
工业出版社,2000，105-138
12 林京.Fuzzy ART 及其在故障诊断中的应用[J].西安交通大学学
报,1999,33(5):88-92.
13 董进等.产品开发过程中模糊神经网络规则提取及模糊控制[J].
清华大学学报,1999,39(7):33-36.
14 Yoh-Pao. Adaptive pattern recognition and neural networks [M].
London: Addision-Wesiey Publishing Company, 1992.
15 Mitra S.et al. Self-organizing neural network as a fuzzy
classifier[J].IEEE Trans on System,Man,Cybernetics,1994,
24(3):918-925
16 沈清、汤霖.模式识别导论.国防科技大学出版社,1991
78
参考文献
17 柳桂国.检测技术及应用.电子工业出版社,2003
18 焦李成.神经网络的应用与实现.西安电子科技大学出版社,1995
19 袁 曾 任 .人 工 神 经 元 网 络 及 其 应 用 .清 华 大 学 出 版 社 ,1999：
299-304
20 谢 季 坚 、 刘 承 平 .模 糊 数 学 方 法 及 其 应 用 .华 中 理 工 大 学 出 版
社,2000
21 王甲午.汽车安全制动检测的误区及对策.汽车运输,1998(12)
22 邓贻云.检测技术及仪表.轻工业出版社,1990
23 余志生主编.汽车理论.机械工业出版社，1994
24 刘军.车辆悬架系统试验评价技术.农业机械学报，2000(5)
25 赵负图.传感器集成电路手册.化学工业出版社,2002
26 楼顺天、施阳.基于 MATLAB 的系统分析与设计—神经网络.西安电
子科技大学出版社，1999 年
27 罗四维.人工神经网络建造.中国铁道出版社.1998 年
28 戴冠军.汽车维修理论.人民交通出版社,1988 年
29 常健生.检测与转换技术.机械工业出版社,1990 年
30 杨振江.A/D、D/A 转换接口技术与实用线路.西安电子科技大学
出版社,1996,11
31 严 钟 豪 、 谭 祖 根 .非 电 量 电 测 技 术 (第 二 版 ).机 械 工 业 出 版
社,1988
32 张健俊.汽车诊断与检测技术.人民交通出版社,1995 年
33 李清泉.计算机控制系统机应用.机械工业出版社,1998 年
34 李修曾.汽车转向特性的模拟研究.清华大学出版社,1983 年
35 谭福年.常用传感器应用电路.电子科技大学出版社,1996 年
36 王安顺、张景等，汽车转向轮侧滑及其影响因素的研究，中国公
路学报，1998 年 8 月第 11 卷增刊
37 寇 惠.故障诊断振动检测技术.冶金工业出版社,1989 年
38 孟选源.现代机构手册.机械工业出版社,1994 年
39 刘云飞.汽车轴重动态检测.汽车运输, 1998 年(9)
40 卢文祥.工程测试与信息处理.华中理工大学出版社,1992 年
79
吉林大学硕士研究生毕业论文
41 张涛、王燕玲.汽车制动性能与测试.仪器仪表学报，2001(S2)
42 周国青.汽车性能与使用技术.人民交通出版社,1995
43 张景，汽车前轮侧滑的研究，吉林大学硕士学位论文，1998 年
44 张福生.汽车制动性能的计算机模拟分析.山西交通科技,1997(4)
45 顾 国 瑞 . 汽 车 检 测 诊 断 技 术 的 应 用 与 发 展 . 云 南 交 通 科
技,2000(2)
46 于百胜、黄文虎.一种用于诊断规则提取的模糊自组织网络.中国
电机工程学报第 21 卷第 3 期,2001(3)：16-19
47 Kandel A. Fuzzy Techniques in Pattern Recognition. New York:
Wiley Interscience, 1982：17-24
48 James A. Leonard and Mark A. Kramer. Radial Basis Function
Networks for Classifying Process Faults. IEEE Control Systems 1991；
1:31-38
49 Xu L, Krzyzak A, Suen C Y. Method of combining multiple
classifier and their application to handwriting recognition, IEEE trans,
SMC, 1990,22 (3)：418-435
50 Berenji H. A Reinforcement Learning-Based Architecture for Fuzzy
Logic Control. Intern. J. Approx. Reasoning, 1992, 6(2):267-292
社,1996.6～9
2 王盈嘉、苏建等.汽车综合性能检测.上海科技文献出版社,1999
3 黄德双.神经网络模式识别理论.电子工业出版社,1996
4 王文成.神经网络及其在汽车工程中的应用.北京理工大学出版
社,1998
5 胡守仁、余少波、戴葵.神经网络导论.国防科技大学出版社,1993
6 庄继德.汽车系统工程.机械工业出版社,1999
7 顾亮、顾志强.车辆悬架行驶平顺性全状态反馈主动控制.车辆与
动力技术，1998(2)
8 罗耀光、盛立冬.模式识别.人民邮电出版社,1989
9 李庆谷、蔡国廉.计算机模式识别技术.上海交大出版社,1986
10 赵振宇，徐用懋.模糊理论和神经网络的基础与应用[M].北京：
清华大学出版社，1996：14-40
11 虞和济、陈长征、张省、周建男.基于神经网络的智能诊断.冶金
工业出版社,2000，105-138
12 林京.Fuzzy ART 及其在故障诊断中的应用[J].西安交通大学学
报,1999,33(5):88-92.
13 董进等.产品开发过程中模糊神经网络规则提取及模糊控制[J].
清华大学学报,1999,39(7):33-36.
14 Yoh-Pao. Adaptive pattern recognition and neural networks [M].
London: Addision-Wesiey Publishing Company, 1992.
15 Mitra S.et al. Self-organizing neural network as a fuzzy
classifier[J].IEEE Trans on System,Man,Cybernetics,1994,
24(3):918-925
16 沈清、汤霖.模式识别导论.国防科技大学出版社,1991
78
参考文献
17 柳桂国.检测技术及应用.电子工业出版社,2003
18 焦李成.神经网络的应用与实现.西安电子科技大学出版社,1995
19 袁 曾 任 .人 工 神 经 元 网 络 及 其 应 用 .清 华 大 学 出 版 社 ,1999：
299-304
20 谢 季 坚 、 刘 承 平 .模 糊 数 学 方 法 及 其 应 用 .华 中 理 工 大 学 出 版
社,2000
21 王甲午.汽车安全制动检测的误区及对策.汽车运输,1998(12)
22 邓贻云.检测技术及仪表.轻工业出版社,1990
23 余志生主编.汽车理论.机械工业出版社，1994
24 刘军.车辆悬架系统试验评价技术.农业机械学报，2000(5)
25 赵负图.传感器集成电路手册.化学工业出版社,2002
26 楼顺天、施阳.基于 MATLAB 的系统分析与设计—神经网络.西安电
子科技大学出版社，1999 年
27 罗四维.人工神经网络建造.中国铁道出版社.1998 年
28 戴冠军.汽车维修理论.人民交通出版社,1988 年
29 常健生.检测与转换技术.机械工业出版社,1990 年
30 杨振江.A/D、D/A 转换接口技术与实用线路.西安电子科技大学
出版社,1996,11
31 严 钟 豪 、 谭 祖 根 .非 电 量 电 测 技 术 (第 二 版 ).机 械 工 业 出 版
社,1988
32 张健俊.汽车诊断与检测技术.人民交通出版社,1995 年
33 李清泉.计算机控制系统机应用.机械工业出版社,1998 年
34 李修曾.汽车转向特性的模拟研究.清华大学出版社,1983 年
35 谭福年.常用传感器应用电路.电子科技大学出版社,1996 年
36 王安顺、张景等，汽车转向轮侧滑及其影响因素的研究，中国公
路学报，1998 年 8 月第 11 卷增刊
37 寇 惠.故障诊断振动检测技术.冶金工业出版社,1989 年
38 孟选源.现代机构手册.机械工业出版社,1994 年
39 刘云飞.汽车轴重动态检测.汽车运输, 1998 年(9)
40 卢文祥.工程测试与信息处理.华中理工大学出版社,1992 年
79
吉林大学硕士研究生毕业论文
41 张涛、王燕玲.汽车制动性能与测试.仪器仪表学报，2001(S2)
42 周国青.汽车性能与使用技术.人民交通出版社,1995
43 张景，汽车前轮侧滑的研究，吉林大学硕士学位论文，1998 年
44 张福生.汽车制动性能的计算机模拟分析.山西交通科技,1997(4)
45 顾 国 瑞 . 汽 车 检 测 诊 断 技 术 的 应 用 与 发 展 . 云 南 交 通 科
技,2000(2)
46 于百胜、黄文虎.一种用于诊断规则提取的模糊自组织网络.中国
电机工程学报第 21 卷第 3 期,2001(3)：16-19
47 Kandel A. Fuzzy Techniques in Pattern Recognition. New York:
Wiley Interscience, 1982：17-24
48 James A. Leonard and Mark A. Kramer. Radial Basis Function
Networks for Classifying Process Faults. IEEE Control Systems 1991；
1:31-38
49 Xu L, Krzyzak A, Suen C Y. Method of combining multiple
classifier and their application to handwriting recognition, IEEE trans,
SMC, 1990,22 (3)：418-435
50 Berenji H. A Reinforcement Learning-Based Architecture for Fuzzy
Logic Control. Intern. J. Approx. Reasoning, 1992, 6(2):267-292