高速公路匝道非线性反馈控制器的设计与仿真

提出了一种非线性方法设计高速公路入口匝道反馈控制器,非线性反馈控制器由高速公路交通流模型和比例积分调节器组成。阐述了入口匝道控制原理,建立了高速公路交通流模型,模型的流量—密度关系是非线性的,设计了高速公路匝道非线性反馈控制器模型。仿真结果表明非线性反馈控制器性能优越,它能使高速公路主线交通流密度保持为设定的期望密度,同时又能维持可接受的匝道服务水平。     

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.     

城市高速公路交通的神经网络建模与控制

从城市高速公路交通流的宏观、动态特性出发 ,分析了交通流控制中常用的宏观、动态、确定性模型 在此基础上 ,利用人工神经网络技术建立了城市高速公路的神经网络模型 ,并提出了入口匝道放行和路段速度相结合的多变量神经网络控制策略 利用该控制策略建立的自适应神经网络控制器 ,可以使高速公路上的交通密度维持在理想的密度值附近 .进一步分析可以得到 ,该控制器是一个状态和控制作用均可跟踪的伺服系统 .以杭州某高架高速公路为背景的仿真结果表明 :该控制器具有较强的鲁帮性 ,控制效果令人满意 .     

离散交通流的变结构控制

为了得到稳定有序的道路交通流,依据离散趋近律,设计了交通流的速度控制器.考虑到由于匝道的流入和流出使得交通流具有不确定性,设计了动态扰动补偿器.以各路段的密度为控制目标,先通过密度函数的离散趋近律求得目标速度,然后利用速度控制器使得速度在有限步内等于目标速度.当控制器参数满足一定条件时,交通流密度最终稳定在一定的范围内,同时给出了算法步骤和证明.仿真结果显示,速度控制器将有匝道路段的交通流密度稳定在指定值附近,而无匝道路段的交通流密度趋于指定值,从而避免了道路拥挤的发生.     

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.     

恶劣气象条件下高速公路匝道控制的神经网络方法

针对各种恶劣气象条件下高速公路交通流的控制问题，利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析，使用神经网络建立一种适合各种气象条件的匝道交通流数学模型，有效地控制恶劣气象条件下的高速公路交通事故．利用BP神经网络仿真，分析该模型的收敛速度，并辨识其中的参数，为在恶劣气象条件下控制高速公路的交通流奠定理论基础．     

恶劣气象条件下高速公路NN系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,我们利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,我们利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

恶劣气象条件下高速公路NN控制系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

一种基于模糊逻辑的入口匝道自适应控制器

高速公路的交通流存在很大的不确定性,模糊逻辑是解决其控制问题的有效方法。对传统的ALINEA模型进行了扩展,提出一种新的自适应模糊匝道控制器。当高速公路路段的临界密度不能被预先正确估计或者因交通环境的实时变化而难以估计时,提出的自适应模糊控制器将显示出其优越性。在仿真试验中,根据交通流的各种性能指标,将新的自适应控制器同传统的ALINEA方法做了详细的对比。     

高速公路交通流仿真程序包——FRESP

FRESP(FREeway traffic flow Simulation Package)是一种高速公路交通流宏观仿真程序包。它以Pagne 模型为基础,通过改进交通流密度、速度关系曲线,并引入交通流预测模型研制而成。该程序包能较真实地反映高速公路各路段以及匝道附近交通流速度、密度和流量等参数的动态变化和相互关系;预测出各个时刻流出各匝道的交通流量以及整个网络的运行指标。是研究和评价商速公路最优控制策略的有效工具。FRESP 由交通流动态模型和交通流预测模型组成。本文较详细地介绍了这两个模型的原理和结构。     

Control design for first-order processes: shaping the probability density of the process state

While the long term behaviour of a stationary stochastic process is concisely summarized by the probability density function (PDF), many well-established regulatory control techniques focus only on two quantities derived from the PDF, the mean and variance, as key design targets. This paper presents a technique for the design of control laws that shape all aspects of the PDF of a first-order process. By developing relationships between the moments of the PDF and the coefficients in a control law parameterization, an approximate control law is developed to shape the process PDF as desired.     

Decentralized and adaptive control of multiple nonholonomic robots for sensing coverage

This work deals with decentralized control of multiple nonholonomic mobile sensors for optimal coverage of a given area for sensing purposes. We assume a density function over the region to be covered, which can be viewed as a probability density of the phenomena to be sensed. The density function is unknown but assumed to be linearly parameterized with unknown parameter weights. We consider a second‐order dynamic model for the mobile agents and derive decentralized adaptive control laws to achieve optimal coverage of the region. We then consider the case where the dynamic model of the agents are not fully known, and then develop parameter adaptation laws to achieve the optimal coverage objective. We test the derived algorithms using simulations and compare our proposed controllers with kinematics‐based controllers. We find that the feedback control design based on the dynamic model performs significantly better than controllers solely relying on kinematic models. Furthermore, for the unknown dynamics case, our controller outperforms the nonadaptive controller with poor initial parameter estimates.     

非线性扩展结构大系统自适应神经网络跟踪控制

针对一类非线性关联大系统在结构扩展时的跟踪控制问题, 提出一种采用自适应神经网络的控制方法. 该方法要求在不改变原结构系统控制律的前提下设计新加入子系统的控制律和自适应律, 使扩展后所有子系统都具有很好的跟踪性能. 这里主要利用神经网络的逼近功能以及Backstepping 技术来设计自适应律和控制律, 通过Lyapunov 理论证明在该控制器的作用下闭环系统的所有信号均是有界的, 并可使系统准确跟踪. 仿真结果验证了所提出方法的有效性.

     

Event‐Triggered Control for Couple‐Group Multi‐Agent Systems with Logarithmic Quantizers and Communication Delays

This paper mainly investigates the event‐triggered control for couple‐group multi‐agent systems with communication delay. Logarithmic quantization is considered in the communication channels. Event‐triggered control laws are adopted to reduce the frequency of individual actuation updating for discrete‐time agent dynamics. The proposed protocol is efficient as long as the quantization levels are dense enough, i.e. the density of quantization levels goes to infinity is a sufficient condition for the asymptotic consensus of the multi‐agent systems. It turns out that the bounded consensus depends on not only the density of quantization levels, but also the updating strategy of events. Finally, a simulation example is given to demonstrate the effectiveness of the proposed methods.     

基于自适应律修改的MIMO非线性系统模糊控制

针对一类不确定多输入多输出(MIMO)非线性系统,提出了一种新的间接自适应模糊控制设计方案,解决了提高模糊控制精度问题。该方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛到原点的小邻域内,而且通过适当增大设计参数值,可使跟踪误差减小,提高了控制精度。通过对连续发酵过程控制的仿真研究验证了该方法的有效性。     

Continuous stirred tank reactors: easy to stabilise?

The objective of this work is to make use of methodologies and tools from Lyapunov theory in the design of bounded control laws for the temperature stabilisation of a class of continuous stirred tank reactors with exothermic or endothermic reactions. Simple output feedback control laws, i.e. control laws that feed back only the available measurements, are designed. It is shown that these controllers yield global asymptotic stability and do not require precise knowledge of the system parameters. The capabilities of the proposed method to handle control input constraints and model uncertainties are also discussed. The work is completed with the analysis of a case study: the van der Vusse reaction mechanism.     

自由飞风洞模型大迎角控制律的仿真研究

研究大迎角飞行以及大迎角控制律，是提高新一代超音速战斗机过失速超机动格斗能力的重要方面。利用自由飞风洞模型研究超音速战斗机的大迎角控制，是一种先进的仿真技术。其仿真效果和仿真水平，是一些传统的仿真方法所无法比拟的。本文介绍美国ＮＡＳＡ兰利研究中心利用直接待征结构配置法设计控制律，在３Ｏ英尺×６０英尺风洞试验室中对缩比为１４％战斗机的自由飞风洞模型人迎角控制律进行仿真研究的过程。自由飞模型试验的迎角高达８０度。驾驶员评论表明，有独创性的控制律，提供了很好的飞行品质，控制系统的鲁捧性也是令人满意的。     

大型非线性混沌网络系统的分散最优控制研究

基于最优控制理论及线性近似方法,研究具有众多非线性子系统关联耦合组成的大型混沌网络系统的控制问题。由于集中控制结构非常复杂, 工程设计困难,且难以实现,故从可靠性和经济性出发,建立了分散控制策略。仿真结果验证了这一理论的正确性。     

Bi-Objective Optimal Control Modification Adaptive Control for Systems with Input Uncertainty

This paper presents a new model-reference adaptive control method based on a bi-objective optimal control formulation for systems with input uncertainty. A parallel predictor model is constructed to relate the predictor error to the estimation error of the control effectiveness matrix. In this work, we develop an optimal control modification adaptive control approach that seeks to minimize a bi-objective linear quadratic cost function of both the tracking error norm and the predictor error norm simultaneously. The resulting adaptive laws for the parametric uncertainty and control effectiveness uncertainty are dependent on both the tracking error and the predictor error, while the adaptive laws for the feedback gain and command feedforward gain are only dependent on the tracking error. The optimal control modification term provides robustness to the adaptive laws naturally from the optimal control framework. Simulations demonstrate the effectiveness of the proposed adaptive control approach.      

Distributed Control of Nonholonomic Robots Without Global Position Measurements Subject to Unknown Slippage Constraints

This paper studies the fully distributed formation control problem of multi-robot systems without global position measurements subject to unknown longitudinal slippage constraints.It is difficult for robots to obtain accurate and stable global position information in many cases,such as when indoors,tunnels and any other environments where GPS(global positioning system)is denied,thus it is meaningful to overcome the dependence on global position information.Additionally,unknown slippage,which is hard to avoid for wheeled robots due to the existence of ice,sand,or muddy roads,can not only affect the control performance of wheeled robot,but also limits the application scene of wheeled mobile robots.To solve both problems,a fully distributed finite time state observer which does not require any global position information is proposed,such that each follower robot can estimate the leader’s states within finite time.The distributed adaptive controllers are further designed for each follower robot such that the desired formation can be achieved while overcoming the effect of unknown slippage.Finally,the effectiveness of the proposed observer and control laws are verified by simulation results.