单路口交通的多相位实时模糊控制

讨论单路口多相位的交通信号控制 ,控制方法采用实时模糊控制 ,提出以当前相的主队列、最近1 0秒车辆到达数、后继相的主队列三者决定信号配时的方法 ,给出了该三维模糊控制器的设计 .根据通过交叉口的车辆停驶过程 ,推导出交叉口平均车辆延误计算模型 .对上述控制器进行四相位交叉口的仿真试验 ,以通过交叉口的平均车辆延误作为性能评价指标 ,仿真结果表明 ,控制效果比较满意 ,优于定时控制方法     

基于dSPACE的车辆起步控制策略硬件在回路仿真

基于dSPACE软硬件,应用matlab/simulink系统建模方法,搭建了车辆起步控制的硬件在回路仿真平台;针对车辆起步控制系统存在的非线性、时变、多参数等特性,提出了对离合器和油门进行协调控制的分级模糊控制方法;利用推理法编写了单片机的模糊控制程序;基于上述平台,详细调整了各级模糊控制规则,并进行了起步控制的硬件在回路仿真实验;结果表明,该方法能够满足实时性要求,并具有良好的控制效果。     

自动变速车辆起步模糊神经网络控制策略仿真

自动变速器车辆的核心和难点是起步控制。针对传统模糊控制在其参数的模糊化过程中人为因素影响较大,获得较优控制参数困难等缺点,基于优秀驾驶员的起步操作经验,利用神经网络自适应学习功能优化模糊控制参数,设计了模糊神经网络控制策略。应用SIMULINK建立了起步模糊神经网络控制系统仿真模型。仿真实验表明,优化了模糊控制模型隶属函数,该控制策略可较好的解决自动变速车辆起步控制问题,为机械式自动变速车辆的开发设计提供了理论依据。     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文章所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,为实现交通系统智能控制提供了一条新途径.     

基于有限状态机理论的ABS模糊控制仿真研究

在分析汽车防抱死制动系统传统控制方法以及汽车稳定性控制系统集成控制基础上,提出了基于滑移率的模糊控制方法.利用Matlab的模糊工具箱建立了模糊控制系统;搭建了基于Simulink的7自由度车辆模型、Dugoff轮胎模型和压力调节单元模型;基于有限状态机理论的控制输出模型,在此模型搭建的环境中完成了单一路面和对接路面仿真.仿真结果表明:基于Matlab/Simulink/Stateflow的ABS仿真系统能很好的模拟车辆制动过程;基于滑移率的模糊控制方法能将滑移率稳定控制在理想值,为车辆稳定性系统集成控制提供了必要接口;能有效地缩短制动距离,提高车辆的方向稳定性,对路面的突变具有很好的适应性.     

基于改进GA 的城市交通模糊控制研究

提出了基于相序优化的城市交通信号模糊控制算法,并用改进的遗传算法(GA)对模糊控制规则进行优化.以现实中常用的四相位交通信号控制为例,通过研究发现,在不改变原来四相位相序的前提下,通过灵活的相位优化,可以获得更好的控制效果,采用改进的GA对模糊规则进行优化,可以减少因专家经验的主观性而导致的模糊规则的不完备性.以典型的十字路口为对象,选择不同时段的交通流状况进行仿真实验,仿真结果表明,与传统交叉路口信号模糊控制的方法相比,文中提出的控制算法能有效避免交通流不平衡引起的拥挤堵塞,提高系统的实时性和控制精度,从而减少了车辆平均延误时间,是进行城市交通信号自适应控制的一种实用且有效的算法.     

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GA的城市交叉口信号控制模糊规则优化

根据城市交通系统中单交叉口信号控制的具体情况，对遗传算法进行了改进，并利用改进的遗传算法对交叉口信号模糊控制器的模糊规则进行优化，建立新的优化算法．计算机仿真结果表明，采用改进的遗传算法方法优化模糊控制规则，可以减少因人的经验的局限性而导致的模糊规则的不完备性，使得控制器实用性更强，控制效果更好．     

履带车辆自动变速的自适应模糊控制与仿真研究

为提高履带车辆自动变速系统对复杂行驶工况的自适应能力,在基本模糊控制策略基础上,运用参数自调整模糊控制方法,建立了一个具有两级递阶结构的自适应模糊换挡控制系统。基本模糊控制模块将油门开度、车速和加速度三参数进行模糊化和模糊推理,实现挡位决策;自适应控制模块按照测得的车速和加速度对直线行驶阻力和附着力进行在线辨识,进而对量化因子进行自调整,可改善履带车辆在随机工况条件下的换挡品质。该系统对不确定的车辆参数和外界负荷的扰动具有较好的稳定性。仿真研究表明所设计的模糊控制系统具有良好的自适应能力。     

基于模糊控制的高速车辆横向半主动悬挂仿真

在对铁道车辆横向半主动悬挂现有控制方法分析和比较的基础上,提出了基于阻尼A的自组织模糊控制,开发了高速电磁开关阀可变阻尼减振器,基于该模糊控制器来调节该减振器阻尼,使其对车辆运行工况的变化具有自适应能力。利用ADAMS软件建立高速铁道车辆的横向振动模型,将其输入到Simulink下进行仿真研究。仿真结果表明:与被动控制相比,自组织模糊半主动控制在各运行速度上都能够有效衰减车体振动,显著提高车辆的乘坐舒适性和平稳性。     

一种交叉路口信号优化控制模型的研究与仿真

交通信号优化是智能交通控制中的难点。对单交叉路口信号控制提出了一种优化控制模型,该模型先以三层BP人工神经网络对交叉路口的车辆到达进行预测,并根据交通流饱和度理论,用模糊控制器对路口各方向的绿灯时间进行调整。仿真研究表明提出的控制模型可以提高交叉路口通行能力,减少车辆延误,达到交通信号优化的目的,同时比传统方法能更好地适应变交通流的情形。如果做进一步的研究可将该控制方法应用于多路口的区域交通控制,有较强的实用性和推广价值。     

不同控制方法下交叉口通行能力的微观仿真剖析

提出一种信号交叉口模糊控制模型,并以传统的定时控制和感应式控制为比较对象,采用仿真技术,从各车道的排队长度、平均滞留时间、通行次数、通行时间和车辆通过率等微观角度分析了交通流的变化与控制方法的内在联系,从交叉口的平均延误、通行时间的均匀性和通过车辆数等宏观角度对比了三种控制方法下的交通效率和公平.微观过程的仿真剖析为交通控制研究提供了新思路,宏观结果则表明模糊控制下的交通更加高效与公平.     

FL-FN-MOGA Based Traffic Signal Control

In this paper, a traffic signal control method based on fuzzy logic (FL), fuzzy-neuro (FN) and multi-objective genetic algorithms (MOGA) for an isolated four-approach intersection with through and left-turning movements is presented. This method has an adaptive signal timing ability, and can make adjustments to signal timing in response to observed changes.The "urgency degree" term, which can describe the different user's demand for green time is used in decision-making by which strategy of signal timing can be determined. Using a fuzzy logic controller, we can determine     

单路口多相位交通信号模糊控制系统的设计

模糊控制不需建立被控对象的精确数学模型，特别适用于具有较大随机性的城市交通控制。此文同时考虑多相位和倒计时问题，讨论用模糊控制方法对单路口多相位的交通信号进行控制，提出以当前相，后继相的车辆等待长度决定相位信号配时，文中重点讨论该二维模糊控制器的设计，并给出该模型控制系统的总体设计方案，利用Mcs96提供的Watch Dog，结合软件设计保证系统的稳定性，提高系统的抗干扰能力，由于每一相位的配时是根据路口实时数据经模糊推理一次确定，该系统可用于安装倒计时器的路口，具有良好的实用性。     

交叉路网交通灯的协调模糊控制方法

交通灯的控制是城市交通系统中一个重要的问题，本文探讨了一种新的交叉路口网交通灯的协调模糊控制方法，首先在交叉和阵道上设置流量检测器得到路口的交通数据；然后根据路网多个节点的交通动态特征，提出了一个种模糊规则来控制交通信号灯的延长时间和相位变化，使得整个整网车辆的平均时延得到优化，这个方法与一种典型方法作了比较，并且给出了仿真实例，其结果相当令人满意。     

单路口信号灯模糊-遗传算法优化配时研究

介绍了一种单路口信号灯模糊-遗传算法优化配时方法,把路口一个周期内车辆平均延误作为目标函数,用线性预估方法,根据上一周期和本周期的车流量预估下一个周期的车流量,把预估车流量和前两个周期的车流变化作为输入量,用模糊控制器推算出下一个周期的时间长度,然后用遗传算法优化目标函数,从而得到最优配时方案。计算机仿真结果表明,模糊-遗传算法优化性能良好。     

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.