主干道动态协调控制技术

针对主干道信号协调控制问题, 提出一种新的动态分段协调控制技术. 首先分析路段长度、交通密度以及信号周期时间对关联度的影响, 设计了基于分层结构的关联度模糊计算方法和基于关联度的控制子区划分方法; 然后提出一种子区协调控制算法, 根据一段时间内交通流信息计算子区公共信号周期、上下行相位差和各路口的绿信比. 实际应用表明, 该控制技术能有效降低主干道交通流平均旅行时间和平均停车率, 效果令人满意.

     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

Lebesgue-?? 范数意义下对初态误差进行加速修正的迭代学习控制

针对一类多输入多输出线性时不变系统, 提出一种初态误差加速修正的PD-型迭代学习算法. 针对系统的任意初始状态, 在时间轴上设计一个随迭代次数增加而缩短的修正区间. 在该区间上, 控制算法对初始状态偏差进行修正; 修正区间外, 算法与无初始误差的学习律等同. 在Lebesgue-?? 范数度量跟踪误差意义下, 利用卷积的推 广Young 不等式证明了所提出学习控制律的收敛性. 数值仿真验证了该控制律的有效性.

     

非线性迭代学习算法在机器人上肢康复中的应用

针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用Lyapunov 稳定性理论和LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代学习控制具有良好的控制性能.

     

机器鱼运动学SSPR 建模与自适应迭代学习控制

针对一类多关节机器鱼推进速度的调节, 提出一种运动学建模与控制匹配设计的新方法. 以可控性为目标, 建立了基于能量转化系数的鱼尾摆动规律与推进速度性能参考(SSPR) 模型, 系统已知参数把能量转化率收敛到一个可控可调节范围. 自适应迭代学习控制策略与之匹配, 能适时辨识并周期性地更新该模型的能量转化系数, 实现机器鱼在陌生水环境中的推进速度自调节. 仿真分析验证了该模型和控制方法的正确性.

     

非正则分布参数系统的迭代学习控制

针对一类非正则分布参数系统的迭代学习控制问题进行讨论, 该类分布参数系统由抛物型偏微分方程构成. 基于非正则系统的特点, 使用D型学习律构建得到迭代学习控制律, 并基于压缩映射原理, 证明得到输出跟踪误差在??² 范数意义下沿迭代轴方向的收敛性结论. 仿真算例表明了所提出结论的有效性.

     

智能电网弹性响应时间业务需求的接入控制

考虑智能电网多种类型业务需求的接入控制, 通过利用响应时间的弹性来平缓业务负荷的波动, 使得电网运行的长期平均代价最小. 针对业务需求和用户行为的随机分布特性, 建立连续时间Markov 控制过程的系统分析模型; 结合性能势基于样本轨道的估计, 提出一种基于仿真的策略迭代优化算法, 有效缓解了系统大状态空间导致的维数灾问题, 具有较快的收敛速度和良好的应用效果. 仿真实验结果验证了所提出方法的有效性.

     

一类非线性动态系统基于强化学习的最优控制制

提出一类非线性不确定动态系统基于强化学习的最优控制方法. 该方法利用欧拉强化学习算法估计对象的未知非线性函数, 给出了强化学习中回报函数和策略函数迭代的在线学习规则. 通过采用向前欧拉差分迭代公式对学习过程中的时序误差进行离散化, 实现了对值函数的估计和控制策略的改进. 基于值函数的梯度值和时序误差指标值, 给出了该算法的步骤和误差估计定理. 小车爬山问题的仿真结果表明了所提出方法的有效性.

     

数据丢失对迭代学习控制的影响分析

针对一类线性系统,分析数据丢失对迭代学习控制算法的影响.首先基于lifting方法给出跟踪误差渐近收敛和单调收敛的条件,并分析收敛速度与数据丢失率的关系,结果表明收敛速度随着数据丢失程度的增加而变慢.其次,为抑制迭代变化扰动的影响,给出一种存在数据丢失时的鲁棒迭代学习控制器设计方法,并将控制器设计问题转化为求取线性矩阵不等式的可行解.仿真示例验证了理论分析的结果以及鲁棒迭代学习控制算法的有效性.

     

考虑输入饱和的离散最优积分滑模控制

针对含有匹配有界干扰的线性离散系统, 提出一类最优积分滑模控制算法. 在系统开环极点位于单位圆内(上) 的前提下, 考虑输入饱和, 可以实现系统状态的半全局稳定. 该算法是低增益反馈和积分滑模的有益结合, 通过低增益反馈使输入饱和得到满足, 通过滑模控制增强了系统对干扰的鲁棒性; 另外, 该算法可以使特定的性能指标达到最优, 使系统稳态误差达到??(??²) 的量级. 仿真结果验证了所提出算法的有效性.

     

利于节能减排的交通诱导与控制时空融合算法

交通诱导与控制时空融合算法以车流量平衡为最终目标. 为使融合算法的调速过程利于节能减排, 调速应不突变, 提高低速, 保持高速, 避免拥堵. 为此, 建立了表征路网各路段车速的实时速度网, 以此为基础, 进行符合节能减排目标的交通诱导与控制的融合, 以及单时空流调速和多时空流调速. 与其他协同方法进行仿真比较的结果表明, 时空融合算法的能耗与排放明显降低.

     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

交叉口信号实时滚动优化模型及算法

为了合理控制单交叉口交通流并且优先公交,建立可变相序的实时滚动优化模型.该模型将公交优先嵌入优化控制,对每辆公交车实时分配权重系数,以交叉口社会车辆和公交车辆的人均延误最小为目标,优化确定相位序列和相位长度.通过跳相来实现相序优化,运用改进的遗传算法来求解.具体实例表明,可变相序的实时滚动优化模型能有效地减少系统的人均延误,并能在尽量减小对社会车辆的影响下实现公交优先.     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

一类标准矩形网络节点间最短路径的求解方法

针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出常见的交通道路网络一般均可以整体或部分化为标准矩形网络. 与常见的求取最短路径的Dijkstra、Floyd、ACO、A* 等算法进行仿真实验比较, 实验结果表明, 对于大规模标准矩形道路网络, 所提出算法具有更好的寻优精度、稳定性和寻优速度.

     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.