基于Petri网的交叉口建模与信号控制研究

针对城市交通系统特性,建立了反映交通流动态属性的赋时连续Petri网模型和交叉口信号控制的离散时延Petri网模型.设计专门的Petri网模型控制每个相位的红灯时间,一旦等待时间达到最长允许红灯时间,该相位信号灯强制转为绿灯,可避免相位红灯时间过长导致的驾驶员违规问题.为优化交叉口绿灯时间,根据单个因素的隶属度,通过模糊Petri网按照模糊规则综合确定当前相位绿灯延长时间.仿真结果表明,该方案对单一交叉口实现了较有效的控制.     

城市干线交通信号模糊控制及仿真

提出了一种基于模糊控制器的干线控制算法,该算法有两个模糊控制器绿灯延长时间模糊控制器和相位决定模糊控制器.前者决定当前绿灯相位的结束时刻,后者根据各相位的紧急度值的大小决定下一个放行的相位.运用仿真技术,把该控制方法和传统的定时控制方法进行了比较.仿真结果表明,本文提出的控制器是有效可行的,且效果优于定时控制.     

交通信号多相位智能优化控制方法

提出一种以乘客平均延误最小为评价指标的变相序交通信号多相位模糊智能优化控制方法。在相位的选择上同时考虑相位的车辆排队长度和乘客量,使得乘客量大的相位优先通行,体现了交通系统公交优先的思想。采用模糊控制方法获得绿灯增益时间。仿真实验分析表明,与传统模糊控制方法相比,该方法能更有效地减少乘客平均延误。     

基于信号配时的公交优先策略触发概率模型

针对现有信号机控制逻辑无法响应公交车辆累积数、控制参数敏感性较低等问题,构建公交优先策略触发概率模型用以检测并分析提高触发精度的方法。首先,依托西门子2070信号机,分析其公交优先策略触发原理,进而构建了绿灯延长策略和红灯早断策略的触发概率模型。然后,以实际交叉口为例,通过硬件在环仿真计算并对比不同信号配时方案的触发概率,探索了公交优先策略触发概率的优化方法。研究结果表明：绿灯延长策略的触发概率远低于红灯早断策略;绿灯延长策略的触发概率与绿灯时间阈值成反比,红灯早断策略的触发概率主要与非优先相位申请优先的公交数量相关;可通过优化最小和最大绿灯时间,及增加申请优先的公交数量提高绿灯延长策略的触发概率;可通过先优化固定信号配时再进行公交优先信号设置等措施提高红灯早断策略的触发概率。     

一种多相位交叉口模糊控制方法

基于车流阻塞参数b,设计含绿灯延长和相位选择2个模糊控制器的多相位交通信号控制系统。根据当前路口和下游路口参数,输出当前通行相位绿灯延长时间。若延长时间为0,则进入相位选择模糊控制器,输出下次通行相位。仿真结果表明,该设计方法可有效控制多相位路口的交通信号。     

具有公交优先的交叉口信号控制技术

针对一类典型交叉口,提出一种具有公交优先的交叉口模糊信号控制技术。采用公交专用道和公交优先进口道实现公交车辆在空间上的优先,通过具有公交优先的交通信号控制算法实现公交车辆在时间上的优先。信号控制算法的核心模块由绿灯相位模块、红灯相位模块和决策模块组成,分别设计这3个模块的模糊控制策略。控制目标是达到对公交车辆加权的车辆平均延误最小。仿真结果表明,与定时信号控制技术相比,该控制策略不仅大幅度减少了公交车辆的平均延误,而且提高了非公交车辆的通行效率,可应用于实际工程。     

基于SFSTFC的单路口交通信号控制

针对城市单路口的交通信号控制问题,提出了一种基于比例因子自调整模糊控制器的控制方法.首先分析了比例因子对模糊控制系统性能的影响;然后,根据当前路口交通流红灯相位的损失指数和绿灯相位的增益指数,给出了比例因子自调整模糊算法,可依据路口动态车流信息在线调整比例因子;最后,基于提出的比例因子自调整模糊控制器,给出了一种单路口交通信号控制策略.仿真结果表明,相对于定时控制,以及普通模糊控制,比例因子自调整方法能够有效地降低路口平均车辆延误,提高了交通信号控制系统的控制精度.     

基于变论域模糊PID的分解炉温度控制研究

分解炉温度控制系统具有非线性、时变、纯滞后的特点,针对传统PID控制及模糊.PID控制难以很好地满足控制要求,提出了一种变论域模糊自适应PID控制方法。利用变论域思想,设计了一种基于函数模型的伸缩因子控制器,动态地调整模糊控制器的量化因子和比例因子,提高了控制精度。在Matlab环境下分别对PID控制、模糊PID控制和变论域模糊PID控制方法进行了仿真对比,结果表明变论域模糊PID控制方法具有更好的动静态性能和自适应能力。     

基于Q学习算法的变论域模糊控制新算法

变论域模糊控制器的控制函数被＂复制＂到后代中,往往存在着＂失真＂现象,这种现象的后果是造成算法本身的误差.针对这一问题,本文提出了一种基于Q学习算法的变论域模糊控制优化设计方法.本算法在变论域模糊控制算法基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过用Q学习算法来寻优参数使控制器性能指标最小,使其在控制过程中能够降低＂失真率＂,从而进一步提高控制器性能.最后,把算法运用于一个二阶系统与非最小相位系统,实验表明,该算法不但具有很好的鲁棒性及动态性能,且与变论域模糊控制器比较起来,其控制性能也更加提高.     

粗糙集的过饱和多交叉口协同优化模型研究

为解决现有模糊智能控制方法仅适用于单交叉口非饱和状态,满足区域交通过饱和多交叉口信号协同联动控制的需要,提出了高峰时期主通道优化控制策略。在粗糙集知识推理基础上,构建了以多交叉口状态信息为条件属性,以绿灯延长方式、绿灯延长相位和绿灯延长时间3个参数为决策属性的多决策属性模糊控制模型。运用可辨识矩阵与属性频度的属性约简方法对模型进行约简,提取决策规则。实例分析表明:多交叉口主通道绿灯时间延长3~8 s能够有效提高区域交通整体通行效能,同时延长时间不仅与过饱和状态车辆最大排队长度有关,还与绿灯延长方式、绿灯延长相位存在关联,这与交警经验总结的控制规律一致。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

Design of Bang-bang Controller Based on a Fuzzy-Neuro Approach: Application to a Heating System

A fuzzy-neuro approach for the design of bang-bang controller is presented in this paper. The approach has been used with success for the time optimal bang-bang control of a heating system. The improved bang-bang controller suppresses the oscillations often observed at the output of an on-off controller. A fuzzy system is used for the implementation of the on-off control. An extension of the fuzzy control is provided by an equivalent neural network of the fuzzy system. A test application, that of a house heating with a two-state furnace, is developed and evaluated with standard hysteresis switching, fuzzy control, and fuzzy-neuro control.     

基于神经网络的模糊参数自校正控制系统

本文针对参数固定的模糊控制系统难以适应控制过程中的工况的变化的弊端,提出一种基于神经网络的模糊控制系统（ＮＦＣ）,引入３层ＢＰ网络在线修正模糊控制器的参数,使得控制系统具有更好的动态特性和静态性能。     

一种实用的交通信号模糊控制系统的研究

提出基于车流量预测的动态调整相位最大绿灯时间的模糊控制系统结构。用模糊控制方法对单路口交通信号进行控制，决定绿灯时间分配。将此方案应用于北京劲松东口交叉口作为研究背景，仿真结果表明，控制效果优于现行的定时控制。该模糊控制方案能更有效地处理随机性较大、不确定性较强的交通流。     

An improved stable adaptive fuzzy control method

Stable adaptive fuzzy control is a self-tuning concept for fuzzy controllers that uses a Lyapunov-based learning algorithm, thus guaranteeing stability of the system plant-controller-learning algorithm and convergence of the plant output to a given reference signal. In the paper, two new methods for stable adaptive fuzzy control are presented. The first method is an extension of an existing concept: it is shown that a major drawback of that concept, the necessity for new adaptation at every change of the reference signal, can be avoided by a simple modification. The main focus of the paper is on the presentation of a second method, which extends the applicability of stable adaptive fuzzy control to a broader class of nonlinear plants; this is achieved by an improved controller structure adopted from the neural network domain. Performance and limitations of the proposed methods, as well as some practical design aspects, are discussed and illustrated with simulation results     

ATM communications network control by neural networks

A learning method that uses neural networks for service quality control in the asynchronous transfer mode (ATM) communications network is described. Because the precise characteristics of the source traffic are not known and the service quality requirements change over time, building an efficient network controller which can control the network traffic is a difficult task. The proposed ATM network controller uses backpropagation neural networks for learning the relations between the offered traffic and service quality. The neural network is adaptive and easy to implement. A training data selection method called the leaky pattern table method is proposed to learn precise relations. The performance of the proposed controller is evaluated by simulation of basic call admission models.     

基于神经网络的聚氯乙烯汽提过程自适应解耦控制

聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂（PVC）汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性.     

城市路网交通分散协调控制

针对城市路网交通系统规模大和非线性、不确定性强等特点，利用模糊神经网络设计了一种新的实时分散协调控制算法．把城市区域和市内快速公路作为一个路网大系统，子系统为路网中的各个交叉口；每个子系统都有一个模糊神经网络控制器，该控制器根据它自己和相邻子系统的交通流信息来动态管理相序及绿灯时间．控制器由3个模块组成：相序选择模块、绿灯判断模块和相位切换模块．控制器的控制目标是保持快速公路主线密度均衡和区域内各车辆平均延误时间最短．仿真研究表明，该算法能有效处理各种路网交通环境．     

LF炉电极控制器设计及其应用

针对LF钢包精炼炉电极控制系统具有非线性、时变、模型不确定、多输入多输出强耦合的特点，提出一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制方案，并进行了控制器设计。应用结果证实了此控制方案的有效性。     

Connection admission control of ATM network using integrated MLP and fuzzy controllers

This paper presents a new approach to the problem of call admission control (CAC) of variable bit rate (VBR) traffic in an asynchronous transfer mode (ATM) network. Our approach employs an integrated neural network and fuzzy controller to implement the CAC controller. This scheme capitalizes on the learning ability of a neural network and the robustness of a fuzzy controller. Experiments show that this scheme is able to achieve high throughput and low cell loss while achieving fairness among different classes of VBR traffic. For comparison, we have also implemented four other CAC schemes: (1) peak bandwidth method, (2) equivalent bandwidth method, (3) average bandwidth method and (4) neural network quality of service (QoS) predictor. Results of these experiments are presented in this paper.