车辆追踪运行时滞系统的离散最优控制设计

在车辆追踪运行过程中,后车一般应尽量与前车保持速度一致,同时在该速度下与前车保持合理的车距,否则将影响到车辆安全、高效追踪运行.以前后两车的速度差和间距为状态变量,建立了车辆追踪运行时滞系统的离散模型,并在无限时间最优二次型性能指标的基础上,建立相应的增广系统方程,进而运用最优控制理论研究其反馈控制律和后车策略求解算法,从而得到后车根据前车行为变化所应采取的策略.实例仿真表明,设计方法具有一定的有效性.     

轨道交通列车追踪运行模型及追踪间隔研究

轨道交通列车追踪间隔是制定及调整列车运行计划的基础,构建精确的列车追踪运行模型是研究列车追踪间隔的关键。根据列车追踪运行规律建立城市轨道交通CBTC列车追踪运行模型,采用Matlab编制程序对CBTC列车追踪运行进行仿真,设计快速迭代算法对列车追踪间隔进行求解。仿真所得列车运行曲线及相关数据与列车实际追踪运行情况一致,求解所得列车追踪间隔值与现场实际测量值一致,充分验证了模型的可用性及仿真精度。CBTC列车追踪运行模型及追踪间隔快速迭代算法可用于列车追踪运行方面的研究,为城市轨道交通运输组织优化与管理提供了理论依据。     

离散时间线性系统最优控制的遗传算法实现

本文提出了求解控制变量受区间约束情形的离散时间线性系统最优控制的遗传算法,在遗传算法框架下给出了离散时间线性系统最优控制问题可行解的编码及初始化方法,设计了选择、交叉、变异等遗传算子,并对初始化方法及各种遗传算子的可行性给出理论分析。     

基于最优控制的ANN驾驶员模型与仿真分析

在分析驾驶员行为特性和行为操纵的基础上 ,根据预测跟随理论 ,建立了驾驶员预测控制神经网络 (ANN)模型 ;提出了用最优控制方法确定ANN模型参数的计算方法 ,采用遗传算法 (GA)进行全局优化保证参数的收敛 .对飞机俯仰角操纵进行仿真计算 .结果表明 ,所建立的驾驶员模型考虑了系统的非线性因素 ,实现了多输入多输出功能 ,具有智能特点 .     

一类新型计算机病毒最优控制模型

计算机病毒的存在,使得很多计算机无法正常运行,并造成巨大的损失.针对这种情况,提出一类新型计算机病毒的最优控制.控制首先对原有的计算机病毒模型进行改进,加入控制项,提出最优控制问题,并证明最优控制的存在性,然后利用庞德里亚金的极小值原理进行理论分析,最后进行数值模拟.数值模拟结果表明,在没有控制的条件下,原模型得出基本再生数大于1,说明存在地方病平衡点,并且最终会导致病毒爆发,而数值模拟揭示,运用有效的控制策略能够更好地抑制计算机病毒的传播.     

基于阴影检测的HSV空间自适应背景模型的车辆追踪检测

在交通监控中，要进行车辆的检测、车流量统计、实时追踪、车速测定等工作，而如何从复杂的背景中分割运动物体是至关重要的一步，目前采用的典型方法是背景相减方法。为了对运动车辆进行准确快速的检测，在研究了目前存在的各种方法之后，提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法，并将其应用于运动物体的分割，同时给出了具体的试验结果。该方法之所以不在传统的RGB空间实现，而在HSV空间实现，因为HSV空间可以提供更丰富的颜色信息。运行试验结果表明，该方法准确率高，适应性强，运算速度快，兼具灵活性，能满足实时检测的需要。     

基于预瞄驾驶员模型的车辆操控稳定性分析

建立了高效、能适应复杂路况的驾驶员模型,并以空间方程形式给出了一种基于最大预瞄距离的驾驶员模型;将驾驶员模型、汽车运动学模型及稳定性控制系统有机结合,采用最优控制理论方法,分析了基于该模型的"人-车-路"闭环控制系统的指数稳定性条件;运用仿真软件Matalb/Simulink建立了四轮车辆驾驶员模型,仿真结果验证了所建立的驾驶员模型方向控制的能力,同时对不同预瞄距离的车辆操控稳定性控制效果进行了评价。结果表明,在同样路径仿真条件下,预瞄距离大的控制系统的稳定性更容易实现。     

军用履带车辆半主动悬挂系统最优控制研究

将磁流变阻尼器这种智能减振装置应用于履带车辆悬挂系统中,构成了新型的半主动式悬挂系统,研究了磁流变阻尼器的力学特性,建立了1／2车体振动模型,采用基于最优控制理论的半主动控制算法,确定了悬挂系统的最优控制力,并对典型沙土路面激励下,某型军用履带车辆半主动悬挂系统的垂直加速度、垂直位移、角加速度和角位移的响应情况进行了仿真分析,结果表明该控制算法有着很好的减振效果。     

一种基于GPS与GIS集成的车辆追踪系统解决方案

本文提出了一种集成GPS与GIS技术的车辆追踪系统的设计方案与实现机制，分析了系统结构，并讨论了盲区问题的解决方法。     

计算机病毒的最优控制模型*

提出一个带有最优控制的SAIC模型,让感染病毒的节点数目和系统消耗保持在较低的水平。运用最优控制理论的相关原理和方法,证明了最优控制的存在性,并给出了刻画最优控制的最优系统。数值仿真结果表明,使用适当的控制策略后,计算机病毒的传播得到了有效的控制。所提的方法有望成为一种有用的工具来控制计算机病毒的传播。     

Discrete Car‐Following Model and its Feedback Control Scheme

In this paper, we discretize continuous car‐following model into a difference equation. With the use of discrete control theory, the discrete car‐following model was linearized and the impulse transfer function was obtained. Based on the definition of traffic jam, one Lemma was proposed to judge system stability and two theorems were given to judge the non‐jam conditions for controlled and uncontrolled systems. Moreover, the feedback gain was designed for a controlled system. Numerical simulations were conducted to show the validity of the discrete car‐following model and control scheme. The results are in agreement with the theoretical results.     

信息物理系统下的耦合映射跟驰模型

针对车辆跟驰模型中信息响应延迟时间导致交通拥堵,通过信息物理系统对耦合映射跟驰模型重新定义,在嵌入计算功能的网络端与延迟导致拥堵的物理端相互作用下,提出均衡车头距的概念,在此基础上量化跟驰过程中的响应延迟时间,从而间接增大了车头距,拉长可操作时间线,给驾驶系统提供预估功能。考虑前车、后车对己车的反馈控制,并选取不同的反馈系数,仿真结果表明CPS定义下的耦合映射跟驰模型,对交通拥堵具有明显的抑制效果。     

基于横纵向联合控制的多目标优化车辆跟驰研究

为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。     

基于多车道交通流动态离散模型的递阶优化控制问题与算法

建立了一个基于多车道动态离散交通流模型的高速公路入口匝道流量优化控制模型.为了降低优化控制问题求解的复杂程度,把它分解为两层递阶控制问题.讨论了两层求解的算法,并给出了算例及仿真结果.     

受汽车无人驾驶启发的液压支架智能协同控制

针对综采工作面液压支架控制精度低、协同性差、推移不齐等问题,借鉴汽车无人驾驶技术,提出了一种液压支架智能协同控制方法。将综采工作面每台液压支架看作是一辆“汽车”,该“汽车”靠移架动作向前行驶,靠底调、侧护板调整行驶方向,液压支架群组就像排成一排的“汽车”按照一定顺序前行,并保持排列队形。每台液压支架都有固定的目标行程,并受左右侧支架的位置约束,能够关注前方采煤机运行情况,兼顾邻架的状况,从而实现液压支架智能协同控制。该方法从液压支架精准推移控制、平行移架控制、护帮板控制、自动跟机闭环控制等方面探讨了液压支架智能协同控制,为解决综采工作面液压支架控制问题提供了一个思路。     

离散时间部分状态反馈模型参考自适应控制

本文针对线性不确定性系统, 给出了部分状态反馈直接模型参考自适应控制设计方案以及详细的系统稳 定性、输出跟踪性能分析. 控制器设计基于降维观测器和参数化方法. 此方案采用反馈控制, 反馈信号不仅仅依赖 全状态信息或者输出信号, 而是任意不超过系统维数的可测信号. 因此, 部分状态反馈控制是包含状态反馈、输出 反馈控制的新的控制方案, 缓解了状态反馈对状态信息的限制, 降低了输出反馈控制结构的复杂性. 通过引入辅助 信号, 本文证明了输出匹配条件的存在性、所有闭环系统信号的有界性以及渐近输出跟踪性能. 仿真结果验证了该 方案的有效性.     

Nonlinear model predictive control for path following problems

This paper presents a general nonlinear model predictive control scheme for path following problems. Path following problem of nonlinear systems is transformed into a parameter‐dependent regulation problem. Sufficient conditions for recursive feasibility and asymptotic convergence of the given scheme are presented. Furthermore, a polytopic linear differential inclusion‐based method of choosing a suitable terminal penalty and the corresponding terminal constraint are proposed. To illustrate the implementation of the nonlinear model predictive control scheme, the path following problem of a car‐like mobile robot is discussed, and the control performance is confirmed by simulation results. Copyright © 2014 John Wiley & Sons, Ltd.     

Optimal control of Formula One car energy recovery systems

The utility of orthogonal collocation methods in the solution of optimal control problems relating to Formula One racing is demonstrated. These methods can be used to optimise driver controls such as the steering, braking and throttle usage, and to optimise vehicle parameters such as the aerodynamic down force and mass distributions. Of particular interest is the optimal usage of energy recovery systems (ERSs). Contemporary kinetic energy recovery systems are studied and compared with future hybrid kinetic and thermal/heat ERSs known as ERS-K and ERS-H, respectively. It is demonstrated that these systems, when properly controlled, can produce contemporary lap time using approximately two-thirds of the fuel required by earlier generation (2013 and prior) vehicles.     

Hybridization of optimal control problems

Optimization problems for hybrid systems have attracted a lot of attention in recent years. This interest stimulated numerous scientific works and the development of tools to study optimal trajectories, such as necessary conditions. The idea of the present contribution is to use such results for hybrid systems to construct a hybridization of an optimal control problem. The approximation via a hybrid system was already considered in the literature, but using different methods to obtain a reduction to minimal path problems on a graph. Our procedure gives an efficient approximation, i.e. more efficient than standard discretization.     

Discrete time mean-field stochastic linear-quadratic optimal control problems

This paper firstly presents necessary and sufficient conditions for the solvability of discrete time, mean-field, stochastic linear-quadratic optimal control problems. Secondly, the optimal control within a class of linear feedback controls is investigated using a matrix dynamical optimization method. Thirdly, by introducing several sequences of bounded linear operators, the problem is formulated as an operator stochastic linear-quadratic optimal control problem. By the kernel-range decomposition representation of the expectation operator and its pseudo-inverse, the optimal control is derived using solutions to two algebraic Riccati difference equations. Finally, by completing the square, the two Riccati equations and the optimal control are also obtained.