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.     

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.     

离散时间非线性系统的数据驱动无模型自适应迭代学习控制

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.     

基于免疫算法的多匝道MF-AILC控制方法

针对高速公路交通系统的重复性和周期性,提出基于免疫算法的高速公路多匝道无模型自适应迭代学习控制（MF—AILC）联合协调控制,以高速公路最大流量、全局最小行程时间和入口平均等待时间三者为目标函数,用免疫算法对多匝道协调迭代学习控制器进行优化。仿真结果表明,与无控制情况下进行比较,该控制方法具有良好的控制效果和较强的鲁棒性。     

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。     

学习增强型PID控制系统的收敛性分析

针对具有可重复性的一般离散时间非线性系统, 在已存在的PID控制系统的基础上, 利用重复性的特点, 给出了一种学习增强型PID控制方法, 严格证明了收敛性, 并通过快速路交通系统的仿真验证了该方法的有效性和优越性. 该种方法的主要特点是, 不需要对已有的PID控制装置和系统做任何改动, 只需在PID控制器的外环加上迭代学习控制器即可, 是一种模块化的设计. 该方法实现了PID与迭代学习控制的优势互补.     

城市快速路入口匝道控制策略比较分析

入口匝遭控制是缓解城市快速路交通拥挤最有效的方法之一;首先阐述了城市快速路入口匝道控制的基本原理和作用,对匝道控制策略进行了分类,在此基础上,对各种入口匝道控制策略进行了比较研究,分析了各自的优缺点以及适用范围,最后,根据快速路构造上的特点,对入口匝道控制的研究方向进行了展望。     

结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中,需要尽可能的去除前馈控制器对系统模型的需求,同时保证高精度和鲁棒性.本文提出了一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法,通过引入基函数参数化的前馈控制器和输入整形滤波器,使用梯度下降法求解最优系统前馈控制器,消除期望轨迹引入的扰动;通过迭代学习控制,消除系统重复性扰动,进一步提高控制精度.算法具有不依赖系统模型,高精度,适用于变轨迹任务的优点.文中给出了相应的仿真,并应用到一个直线电机系统,通过实验验证了算法的有效性.     

快速路匝道入口智能网联车协同合并控制研究

针对快速路匝道入口场景在高车流量的情况下容易发生交通拥堵的问题,提出了一种快速路匝道入口智能网联车(connected and automated vehicles, CAV)协同合并控制的解决方案,将问题解耦成多车顺序决策和车辆运动规划两部分。其中多车顺序决策对通行效率起到重要作用,因此设计了一种基于状态评价模型(state evaluation model, SEM)的多车顺序决策算法。该算法首先建立状态空间并初始化,考虑通行效率和车辆延迟设计状态评价函数,通过状态转移关系选择出最优状态,最终回溯得到最优通行顺序。根据车辆状态和到达冲突点时间,控制器实时推导各车辆纵向速度的解析解,实现车辆运动规划。仿真和实验结果表明,该方案在满足交通系统实时性要求的同时能有效提高快速路匝道入口的通行效率,缩短车辆延迟,降低燃油消耗。     

基于蚁群算法的城市快速路优化控制

根据城市快速路交通流的特性,以宏观稳态交通流Macro模型为基础,将快速路虚拟划分为多个路段,将车辆在快速路系统内总的服务流量最大及入口匝道车辆平均等待时间最小作为优化控制目标,设计快速路多匝道联合控制模型,并采用蚁群优化算法对设计的控制模型进行求解计算,以确定各匝道最优调节率。模拟实验结果表明,通过多匝道联合控制,能够提高城市快速路系统的运行效率,减少交通事故及交通拥堵的发生概率。     

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.     

高速公路主线限速与匝道融合的协调控制

为缓解高速公路的交通拥挤,主线限速、匝道融合等常被应用,因主线限速和匝道融合经各自优化获得的控制策略可能存在矛盾,故二者协调是必须的,而如何建立和求解二者的协调控制模型还没有有效方法.本文基于宏观交通流理论和多agent技术研究了此协调控制问题.为此首先阐述了高速公路的一般宏观交通流模型;然后分析主线限速、匝道融合的交通特性,建立了主线限速-匝道融合交通流模型;并协调主线限速和匝道融合,建立了协调控制模型.最后,基于多agent技术和分层递阶结构提出了协调控制模型的求解算法,并给出了应用此方法控制仿真高速公路的一个实例.     

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。     

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。     

高速公路多匝道协调控制系统设计与仿真

采用大系统分解和协调的方法研究高速公路多匝道的协调控制问题．建立了反映高速公路交通动态变化的有限差分模型，结合交通系统的特点提出改进的多层控制方法．控制结构分三层：局部控制层决定匝道调节率；协调控制层为局部控制层确定期望密度；自适应层根据实时检测交通状况选择模型和调整模型参数．仿真结果表明，控制系统具有良好的动态性能，该方法能有效地消除交通拥挤和维持主线车流稳定，能提高主线的通行能力，实现车辆在高速公路上高效、安全地运行．     

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。     

基于匝道调节的快速路交通密度的无模型周期自适应控制方法

针对快速路交通这一类复杂的MIMO非线性系统, 提出了一种新的无模型周期自适应匝道调节方法. 该方法本身是无模型的, 控制输入信息和伪Jacobi参数可在整个周期上逐点利用以前周期获得的I/O数据周期地进行更新. 通过严格的数学分析证明了算法的几何收敛性. 仿真结果也进一步说明了所提出方法的有效性.     

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。