高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

高速公路入口匝道的分散控制

本文基于高速公路时变非线性离散模型,应用反馈控制器参数化方法设计了入口匝道车辆放行的分散控制器,该控制器具有时变非线性的特点.沈大高速公路的系统仿真实验证明了该控制器的有效性.     

基于粒子群算法的多匝道协调控制

高速公路入口多匝道协调控制是调节各个入口匝道进入到主线的交通量,从而使主线交通流处于最佳状态。由于多个入口匝道相互关联和相互影响,多匝道协调控制具有强的耦合性、非线性和时变性。针对上述问题,提出了一种基于系统分层和粒子群优化算法的控制方法。首先论述了高速公路多匝道系统的原理模型;然后阐述了多匝道协调控制系统的实现,系统由协调控制层和直接控制层组成,其中前者负责模型选择、参数调整和确定期望的密度轨迹,后者采用比例积分微分控制器实施控制,并引入粒子群算法对控制器的比例系数、积分系数和微分系数进行优化;最后进行了仿真实验。结果表明,当高速公路出现交通拥堵时,系统能够快速地消除拥堵,并使主线交通流趋于稳定。该方法为高速公路多匝道控制提供了一种切实可行的新途径。     

扩展Kalman滤波法在高速公路交通流模型上的应用

高速公路交通流模型是高速公路交通监控系统设计、分析、仿真、运行的基础.由于高 速公路交通流模型是一个高阶非线性时变系统,这使得该模型的状态估计问题成为一个非常困 难的问题.这里简要描述了传统解析模型中的交通流宏观动态模型及扩展的卡尔曼滤波法 (Extended Kalman Filter-EKF)状态估计原理,讨论了该类模型在一条具有三个等长路段,一个 入口匝道,一个出口匝道的公路的应用,并利用EKF得出对三路段高速公路车流密度、车流速 度跟踪的仿真结果.仿真结果表明了算法的实用性.     

基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。     

基于蚁群算法的高速公路入口匝道控制

提出一种具有普适性的蚁群算法,该算法对参数的转移概率和信息素的计算方法进行了改进,提高了算法的全局性能,将其用于高速公路入口匝道控制器的参数寻优.建立了高速公路交通流模型,结合非线性反馈理论设计了蚁群算法优化的入口匝道PI控制器,给出了蚁群算法优化的步骤,并用Matlab软件对控制器进行了仿真研究.仿真结果表明,基于蚁...     

基于遗传算法优化的高速公路匝道PI控制器

研究遗传算法优化PI控制器的参数,并应用到高速公路匝道控制中。阐述了匝道控制目标,建立了高速公路交通流模型,给出了遗传算法优化的步骤,并对入口匝道PI控制器的参数进行了优化。仿真结果表明,该方法性能优越,用于高速公路入口匝道控制中效果良好。     

高速公路动态交通流的建模与控制策略

从高速公路交通流的宏观、动态特征出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并结合交通调查数据，利用仿真和优化技术对模型中的参数进行了辨识，从而获得了能比较准确地描述交通流真实行为的模型。然后提出了低密度区的可变速度控制，中密度区的可变限速和入口匝道联合控制及出口匝道分流和入口匝道协调（高密度区）控制模型，并给出了上述３个问题的最优解。最后利用计算机模拟了受控和未控交通流     

高速公路入口匝道最优控制*

在高速公路某路段发生阻塞现象时,Markos Papageorgiou（1990）所建立的交通流模型不能反映这一路段交通流的真实状态;本文给出一个改进的交通流模型,可以克服全部缺陷.在新模型基础上构造了入口匝道最优控制问题,计算机仿真结果表明本文的控制策略在降低入口匝道平均等待时间这一性能上有较好的控制效果.     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

带有迭代学习前馈的快速路无模型自适应入口匝道控制

提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法. 模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征, 提高了控制品质. 严格的数学推导证明了该方法的收敛性. 仿真研究及比较结果验证了所提算法的有效性.     

带有迭代学习外环的快速路入口匝道无模型自适应预测控制

针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.     

基于模糊理论的高速公路递阶控制

将递阶结构和模糊控制用于高速公路多匝道的协调控制,协调控制器采用多输入-多输出的模糊控制方法协调确定相邻路段的匝道入口调节率;各路段根据协调控制器给定的匝道入口调节率,利用单匝道模糊控制器将系统状态保持在给定的标称点范围内。给出了分层控制系统的结构和控制算法,并在交通仿真软件PARAMICS上进行了仿真实现。仿真结果表明,该方法能够有效地消除交通拥堵,维持主线车流稳定。     

快速路入口匝道模糊自整定PI 控制方法

入口匝道调节是快速路交通控制中较有效的一种方式,现基于快速路交通系统的常微分模型,设计了一种新的入口匝道的模糊自整定PI 控制方法,充分利用了上游路段流入的交通流量和向下游路段流出的交通流量信息进行控制律更新,有效抑制了系统扰动等不确定性因素的影响。设计了相应的模糊控制逻辑,实现了复杂交通系统实际控制过程中的PI控制器参数的模糊自整定。仿真研究中,与传统PID 和ALINEA 方法进行了充分比较,说明了所提出方法的有效性。     

基于模糊控制律的遗传神经匝道协调控制

讨论了快速路匝道系统中智能控制技术问题。针对匝道系统特点,分析了模糊控制、人工神经网络、遗传算法的适用性,提出了一种基于模糊控制律的遗传神经匝道协调控制方案。在该方案中,对模糊控制输入输出数据进行线性修正,使用修正后的数据完成遗传神经网络训练,并用神经网络代替模糊控制器对匝道系统进行控制。给出了神经网络结构和遗传算法流程,并结合宏观交通流模型进行系统仿真。仿真结果表明,与模糊控制相比,控制效果显著提高。