人员紧急疏散系统动力学模型及其分析

在大型的体育赛事中,观众是一个非常复杂的能量系统,群体内人与人之间存在着相互影响、相互渗透的交互作用。针对能量的汇聚、冲突、平衡与失衡以及群体行为的趋向和拒斥等现象的研究,对系统问题进行分析,明确系统的界限,确定系统的各种变量,建立系统的因果关系图和流图,构建出系统模型。利用定性描述的方法,分析系统整体与局部的反馈关系,写出SD方程,并根据数据进行仿真试验和计算,最终得到一个与实际较为相符的预测结果。     

一个面向紧急疏散的大规模人群运动模拟系统

对公共场所大规模虚拟人群疏散过程的模拟研究在理论和现实方面都具有重大的意义.本文介绍了一个面向紧急疏散的大规模人群运动模拟系统,包括系统框架、功能、规模等.其中详细讲解了系统的几个功能模块及其实现技术,主要有人群建模和仿真技术、场景建模技术、灾害现象模拟技术、人群疏散控制策略以及海量数据实时渲染技术.最后对人群疏散系统在未来需要解决的问题做了简单讨论.     

考虑上客点选择的公交紧急疏散时空路网模型

为了在灾难发生后及时将被疏散人员引导到合适上客点,并优化随后的公交疏散路线,建立了一个公交紧急疏散的线性混合整数规划模型。新模型不仅考虑了合理的上客点的选择和相应的建造费用,并且利用时空网络技术细致刻画了公交疏散中被疏散者从疏散集结点到上客点的运行轨迹。与已有的研究多采用非线性整数规划技术相比,新模型的线性化特征可以大大提高了模型的求解效率。在算例分析部分通过改变上客点造价和疏散集结点数量等条件,对不同条件下的疏散方案进行了比较分析,验证了模型的有效性。     

基于遗传算法的BP网络快速自适应性算法

分析了标准BP网络存在的问题。利用遗传算法 ,探讨了确定初始学习速率、动量项值和BP网络结构的快速自适应性算法 ,并将该算法应用于XOR问题的学习和地下井巷开挖中岩爆的预测。实验结果表明 ,基于遗传算法的BP网络快速自适应性算法 ,可以避免手工试算决定BP结构的弊端 ,并且优化后的BP网络具有较快的收敛速度和较强鲁棒性     

紧急逃生的虚拟实训系统的研究

随着计算机技术的发展,虚拟现实系统成为研究人在火灾情况下紧急逃生问题的有效工具。综合考虑技术创新与应用的可行性,笔者设计和开发了一种用于各种危险突发情况下紧急逃生的虚拟实训系统,并且分析了紧急逃生的虚拟实训系统地技术路线和主要构成。该系统可应用于人员疏散演练、各种灾害条件下人们疏散行为研究等各个方面,具有较为广泛的应用前景。     

面向大型场馆疏散的改进多蚁群算法

针对大型场馆应急疏散的路径优化问题,提出了一种基于遗传算法交叉变异算子的多蚁群算法.该算法通过引入多蚁群信息素组的概念,将遗传算法交叉和变异的思想应用到信息素更新模型中,解决了传统蚁群算法易陷入局部最优的问题.最后,将此模型应用在武汉体育馆及其周边路网集成环境中.实验结果表明,该算法能够为大型场馆中大规模人群提供一个有效可行的疏散方案.     

基于生物网络中间件的网络自适应性研究

自适应性网络环境将成为未来Internet的不可缺少的重要构成部分,基于生物网络中间件设计了自适应软件体系结构,然后设计了一种特殊的生物实体——调度生物实体,利用调度实体来指导生物实体的移动,以期获得生物网络的负载平衡。提出一种基于免疫遗传算法的调度算法,该算法以网络负载平衡为优化目标,使实体相对均衡地提供服务,达到合理利用生物网络资源,增强其自适应性的目的。最后,对网络服务使用进行仿真,实验结果证明了算法的有效性。     

“学会使用紧急疏散图”实践活动案例

一、活动背景 在校内开发以安全教育为主题的综合实践活动,可以让学生在校内学习相关的安全知识,锻炼学生的自护自救能力,让学生学会生存,以弥补国家课程相关的教学内容。     

机舱内紧急人员疏散最优模型仿真分析

研究机舱内人员疏散有利于获取最佳逃生路径,保护生命安全.机舱内的空间相对封闭,在突发状况下,疏散的渠道有限,受到突发状况影响很多,无法对意外进行完全的约束建模.传统的疏散模型在小空间疏散路径寻优计算过程中,以固定约束条件描述疏散时的状况,路径选择设定了很多前提条件,应用性较差.提出利用非规则变异算法的机舱内紧急人员疏散模型.计算机舱内紧急人员疏散目标函数,并且针对所有的疏散路径进行编码,获取不同疏散方法的评价标准,并利用上述标准对人员疏散模型进行评价,针对所有的疏散路径进行选择、交叉和变异运算,建立机舱内紧急人员疏散最优模型,得到改进模型的最优解,获取机舱内紧急人员疏散的最优路径.实验结果表明,利用改进算法进行机舱内紧急人员疏散,能够获取最优疏散路径,提高疏散效率.     

灾难疏散系统的疏散策略分析与研究

在紧急灾害发生时,采取正确的疏散避难策略可以大大提高疏散效率。在计算机疏散仿真模型的基础上,提出三种疏散策略并进行分析和比较,实验结果表明领导行为疏散策略疏散效率最优,协助行为疏散策略其次,随机行为疏散策略效率最低。提出一种基于A*算法的动态分组算法,并利用该算法对多领导者带领下的疏散进行仿真模拟,研究证明疏散效率与领导者数量是非线性关系,设置一定数量的领导者有利于疏散,数量过多反而产生混乱。     

虚拟结点法在多出口疏散方案中的适用性分析

城市化进程的迅速推进促使城市规模日益扩大、人口密度不断提高,制定一个有效的应急疏散方案,使得人员在存在危险时快速且有序地撤离到安全场所,已经成为迫切需要解决的问题。目前已有一些研究成果,而虚拟结点法在网络流中已有较多应用。结合基于道路网络的单出口分阶段疏散算法,将虚拟结点法应用在多出口疏散方案中,旨在对虚拟结点法的适用性进行分析。模拟结果显示,该方法能够有序、快速地组织大规模人群到安全场所。     

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.     

非线性非仿射离散时间系统的两阶段最优迭代学习控制

On the basis of a new dynamic linearization technology along the iteration axis,a dual-stage optimal iterative learning control is presented for nonlinear and non-affine discrete-time systems.Dual-stage indicates that two optimal learning stages are designed respectively to improve control input sequence and the learning gain iteratively.The main feature is that the controller design and convergence analysis only depend on the I/O data of the dynamical system.In other words,we can easily select the control parameters without knowing any other knowledge of the system.Simulation study illustrates the geometrical convergence of the presented method along the iteration axis,in which an example of freeway traffic iterative learning control is noteworthy for its intrinsic engineering importance.     

非线性非仿射离散时间系统的两阶段最优迭代学习控制

针对非仿射非线性离散时间系统, 基于一种新的沿迭代轴的动态线性化技术, 提出了双层最优迭代学习控制算法. 双层意味着分别设计了两个最优学习层, 迭代的改进控制输入序列和学习增益. 其主要特点是控制器的设计和收敛性分析只依赖于动态系统的 I/O 数据. 换句话说, 不需要知道系统的任何其他信息就可以很容易的选取控制器参数. 仿真研究表明了提出的算法沿迭代轴具有几何收敛性, 这一特点在快速路交通迭代学习控制中具有重要的工程意义.     

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.     

倒立摆的自适应积分反步控制策略

针对直线单级倒立摆在模型参数不确定和外部扰动情况下的稳定控制问题,提出一种自适应积分反步控制策略。采用拉格朗日方程建立倒立摆系统的运动学模型,为减少稳态误差,将误差积分项引入反步法,设计了倒立摆的控制器;对含有未知参数的系统非线性状态微分方程,设计适当的Lyapunov函数推导出系统未知参数的自适应更新律,削弱了参数不确定性的影响。将自适应积分反步控制与一般的反步法控制、模糊控制及神经网络控制的仿真结果进行了对比,并在LabVIEW开发环境下进行了实物实验。结果表明,自适应积分反步法可以较为迅速且精确地完成稳定控制,较好地克服系统参数不确定及外部扰动的影响,具有较强的鲁棒性。     

快速路入口匝道的非参数自适应迭代学习控制

基于快速路交通系统重复性和周期性的特征, 引入“拟伪偏导数”概念, 给出了宏观交通流模型沿迭代轴的非参数动态线性化形式. 进一步, 提出了快速路入口匝道的非参数自适应迭代学习控制(NP-AILC)方案. 该控制方法本质上是无模型的, 并且学习增益可迭代调节. 收敛性分析表明当系统初始状态随迭代次数随机变化时, 该方法可实现几乎完全跟踪性能. 仿真结果进一步验证了方法的有效性.     

机会网络中的自适应转发控制算法*

在分析现有机会网络转发控制策略的基础上,针对采用固定效用值阈值的机会网络转发控制,提出了一种基于节点能力状况的自适应转发控制策略（adaptive forwarding algorithm based on nodal capacity condition,AFNC）。该策略根据节点的能力状况计算阈值控制因子,自适应调整不同网络传输状况以及通信机会下的数据转发条件。仿真实验表明,与现有的几种典型转发控制相比,AFNC在保证较低传输延迟和较高传输成功率的基础上,通过减少节点间的转发次数,有效地降低了网络传输开销。     

复杂动态网络自适应有限时间同步控制

本文利用自适应控制的方法,研究了复杂动态网络有限时间同步控制问题.针对网络的耦合权重已知和耦合权重未知两种情况,分别设计了相应的自适应控制器和参数自适应律.利用有限时间稳定性定理和Lyapunov稳定性理论,证明了复杂动态网络的误差动态系统是有限时间稳定的,并给出了同步过渡时间上界的估计.最后,利用数值算例验证了本文结论的有效性.