基于数字孪生的城市交通流智能预测与导引策略

物联网和人工智能等信息技术的快速发展极大地推动了交通系统的变革,同样也带来了机遇与挑战。针对现有导航系统忽略交通流时空特征而产生的策略重复性拥堵问题,对宏观交通流和微观车辆驾驶分别建模,并挖掘其耦合关系,进而提出一种基于数字孪生的城市智能交通流分层预测与导引策略,为减缓交通拥堵提供新思路。在该策略中,虚拟空间中的上层道路孪生通过扩散卷积递归神经网络预测时空交通流量,并显式作用于车辆路径规划决策。在此基础上,提出一种时空协同深度强化学习方法,用于实现车辆面向未来的协作式路径规划,指导虚拟空间中的下层车辆孪生选出最优策略反馈于真实世界。基于SUMO仿真平台进行了仿真验证。实验结果表明,本文所提方法在提高出行达成率、缓解拥堵等方面显著优于现有算法,能够有效提升城市交通出行效率。     

基于模糊神经网络的水轮机调速器PID控制

针对水轮机调节系统参数时变、运行工况多变以及包含复杂非线性环节的特点,传统的PID控制策略难以满足系统各项运行指标.根据水轮机调速系统的数学模型,结合模糊控制的推理能力和神经网络的自学能力,提出基于模糊神经网络的水轮机调速器PID参数控制策略.仿真结果表明,相比于传统PID控制和模糊控制,所提控制策略的系统响应拥有更小...     

基于模糊神经网络的水轮机调速器PID控制

针对水轮机调节系统参数时变、运行工况多变以及包含复杂非线性环节的特点,传统的PID控制策略难以满足系统各项运行指标。根据水轮机调速系统的数学模型,结合模糊控制的推理能力和神经网络的自学能力,提出基于模糊神经网络的水轮机调速器PID参数控制策略。仿真结果表明,相比于传统PID控制和模糊控制,所提控制策略的系统响应拥有更小的超调量和更短的调节时间。     

基于自适应阻尼算法的虚拟同步发电机控制策略

常规的并网逆变器作为分布式电源和电网的接口,无法为电网提供惯量支撑,基于并网逆变器的虚拟同步发电机(VSG)控制策略可以增强系统频率和电压的稳定性.为了使频率响应拥有更小的超调量和更短的调节时间,本文根据动态过程中阻尼和频率最大偏差量的关系,提出了一种基于自适应阻尼算法的虚拟同步发电机控制策略,同时也能在一定程度上改善输出电压的动态特性.基于小信号数学模型,根据系统的响应指标要求,确定了阻尼系数的取值范围.最后,利用Matlab/Simulink进行仿真实验,与各种阻尼控制算法进行对比,验证了所提控制策略的有效性.