一种分布式交通信号控制方法及仿真实现

在基于多智能体的分布式道路交通控制概念模型和单路口交通信号自学习控制方法的基础上，提出了一种基于多智能体的分布式交通信号区域控制方法。通过相邻路口信号控制智能体的信息交互和协调，在确保路口绿灯时间利用率较高的前提下，尽量使相邻路口驶来的车队不停车地通过路口。编制交通控制微观仿真软件，在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验，实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式。     

流程工业多智能体系统协调控制

以典型的流程工业过程为对象,结合分布式工业过程控制的特点,分析了多智能体应用于复杂工业过程控制的可行性、必要性;提出了一种基于工业过程控制的多智能体系统的体系结构及其协调控制过程.板带热连轧机过程控制是典型的分布式过程控制对象,文章从综合控制的角度出发提出热连轧机工业生产过程多智能体系统的体系结构,给出了体系结构中各功能模块的组成及其处理过程,并重点分析了轧钢过程中精轧机组中板形和板厚控制的协调过程.     

多智能体系统分布式控制的研究新进展

多智能体的运动协调和覆盖协调问题是多智能体系统的协调控制研究中的两个基本问题.综述当前这两个问题研究的主要内容及相应的主要结果,同时给出了仍然需要解决的问题和可能的研究方向.     

非线性多智能体系统分布式鲁棒输出调节

为解决具有一般非线性形式和不确定参数的多智能体系统的协调控制问题,设计了非线性分布式反馈控制器,使得多智能体系统鲁棒渐近跟踪参考信号或者鲁棒渐近抑制干扰。在所考虑的多智能体系统中,将动态领导者或者环境干扰看作是产生参考信号或者干扰信号的外部系统。最后,给出一个仿真算例,验证所得结果的有效性。     

机器人焊接柔性制造系统的多智能体协调控制

提出了利用分布式的多智能体协调控制技术实现对焊接柔性制造系统进行控制的思想。通过对集成多机器人和多传感器的焊接柔性制造系统进行焊接生产任务执行过程的分析,提出了针对焊接柔性制造系统的多智能体控制系统结构。最后利用JADE多智能体系统开发平台建立了一个多智能体控制系统,并通过实验验证了该系统的有效性及合理性。     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于智能体的多移动机器人群集编队控制系统

群是一种普遍存在的自然现象,群集编队控制是模拟自然界中生物聚合运动的新型分散式控制方法。提出了一种基于智能体的有leader的群集控制算法。在此基础上,引入“虚拟力”的概念,运用动力学原理设计了由智能体到移动机器人的控制转化方法,并实现了一个实用化的多移动机器人群集控制系统。移动机器人群编队实验验证了该方法的有效性。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

单边Lipschitz非线性多智能体系统一致性追踪控制

针对单边Lipschitz非线性多智能体系统,提出了一种分布式一致性控制方法.首先,构建了领导-跟随者动力学结构,用于实现单边Lipschitz多智能体系统的追踪控制.然后,设计了单边Lipschitz非线性多智能体系统的一致性控制协议,可根据智能体之间局部交互信息构建分布式反馈控制,并将系统的一致性追踪问题转化为系统...     

非线性多智能体网络的分布式包容控制

针对具有本质非线性动态的多智能体网络,研究分布式包容控制问题.假设只有部分个体已知领航者信息,依据相对位置和速度信息设计分布式控制律.基于代数图论、矩阵理论和Lyapunov稳定性分析方法,得出非线性网络实现渐近包容控制的充分条件.当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信,可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中.仿真实例验证了理论分析的正确性和有效性.     

一种交通信号自学习控制方法及仿真实现

将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。编制该控制方法的仿真程序，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

基于DCS的控制系统仿真方法

基于DCS（Distributed Control System-集散控制系统）的控制系统仿真方法是测试控制系统的实施正确性、操作可靠性、操作等效性及DCS资源占用等性能的有效手段,通过这种方法可以缩短新型控制系统的开发周期,减少新型控制系统试投用期的风险。本文对基于DCS的控制系统仿真方法的必要性、特点进行了分析与讨论,并提出了基于DCS的仿真控制系统的架构和分类。一个应用实例验证了基于DCS的控制系统仿真方法的有效性。     

基于Q-学习的交通信号控制方法

为了减少车辆通过路口时的延误,采用Q-学习方法对智能体控制的单路口进行信号配时的优化,在模糊控制规则集的基础上,通过Q-学习来改进控制规则的组合,从而达到改善信号控制效果的目的.仿真实验的结果表明,基于Q-学习的信号控制方法优于定时控制、感应式控制和基于遗传算法的信号控制方法.研究说明,基于Q-学习的信号控制方法适合城市交通控制.     

基于Q学习的城市交通信号灯混杂控制

给出了一种单交叉口混杂交通控制器和仿真结果。首先,采用Q学习和BP神经元网络根据环境的变化决定最优的相位切换时间,然后增加一个模糊控制器决定最需要切换的相位,即决定相位次序。该方法在PARAMICS交通仿真软件中进行仿真,和定控制以及定相序控制相比,该方法具有明显的优势。     

自适应信号控制系统流量预测模型研究

为研究适合自适应信号控制系统的流量预测模型,利用ARIMA模型进行数据预处理的基础上,考虑高阶神经网络收敛速度慢及易陷入局部最小点的特点,通过在线调整学习率及引进动量法对其进行改进,得出基于ARIMA与改进的高阶神经网络的组合预测模型,试验表明预测的交通流量满足自适应信号控制系统实时在线多频优化的时间及精度要求.     

基于Q-学习和粒子群算法的区域交通控制模型

针对城市交通系统的动态性和不确定性,提出了基于Q-学习和粒子群算法相位差优化算法,对区域交通动态实时控制进行了研究。根据不同的交通流恃况确定不同的区域控制目标函数,捋Q－学习的类惩机制引入粒子群算法的选优过程中,通过改进的粒子群算法实时优化区域控制策略。编制该控制方法的仿真程序,应用AIMSUN仿真软件验证算法的控制效果。结果表明,该方法对不同交通量下可保持较高的控制效率,控制效果明显优于感应控制。     

基于多智能体的城域混合交通仿真系统的体系结构

以多智能体技术为手段，结合我国混合交通流的组成和复杂性特征，建立了一种分布式混合交通流模型，并提出了基于多智能体的城域混合交通仿真系统的体系结构。所提出的交通流模型能够充分发挥智能体的自治性和相互协作性，体现我国城域混合交通流的复杂性特点。提出的交通仿真系统结构简明严谨、界面友好、易于扩展，适用于智能交通领域。