基于动态交通需求估计的高速公路优化控制模型研究

依据动态交通需求估计信息,基于分层递阶的思想,建立了一个高速公路优化控制模型. 模型分为4个主要模块:交通需求预测模块对长时期内总的交通需求进行预测,提前确定将来排队长度的上界;全局最优控制模块预测未来的交通状态,为路网中的各个匝道建立协调约束;交通需求估计模块对真实交通流进行估计;局部反馈控制模块根据对真实交通条件的估计信息及全局最优控制层的寻优结果决定匝道调节率. 仿真结果表明,控制系统具有良好的动态性能,协调了各个匝道之间的利益,实现了高速路网整体性能的优化.     

基于AD-ALINEA的入口匝道控制方法

本文提出了一种新的AD-ALINEA与匝道排队长度相结合的匝道控制方法。在AD-ALINEA基础上,兼顾入口匝道排队长度对整体路网交通的影响,将匝道调节率取为AD-ALINEA和排队控制所计算出的调节率的最大值。通过元胞传输模型对ALINEA、AD-ALINEA及本文新方法进行仿真,并对三种方法的主路下游流量及匝道排队长度进行比较分析。结果表明,新方法能够明显降低匝道排队长度,又能保证主路下游流量,同时兼顾了整体路网的效率与公平。     

基于遗传算法的高速公路网入口匝道优化控制

为了实施高速公路路网交通流的优化控制,采用MATANET模型进行路网交通流建模,应用非线性最优控制方法,构造了路网入口匝道的协调控制模型. 该模型应用全局实时交通数据,以缩短行程时间和减少入口匝道排队长度为控制目标,能够提高交通运行效率和有效处理偶发性拥挤. 针对模型的非线性,应用遗传算法对性能指标进行优化,探究不同性能指标的优化对路网交通运行状况的影响. 以南京市周边高速公路路网作为应用实例,验证了所研究模型与优化方法的可行性.     

客货分离式高速公路主线与匝道协同控制算法研究

为保障高速公路的高效运行,提出适用于客货分离式高速公路主线与匝道协同控制算法.选取被广泛应用的ALINEA模型作为匝道控制的基本模型,再依据高速公路主线上下游交通流的变化进行入口匝道调节,确保入口匝道下游主线的占有率接近期望占有率,使高速公路主线在接近最大交通容量时充分考虑主线上游交通量对匝道调节率的影响,从而实现主线与匝道协同控制.利用Vissim软件进行仿真,结果表明,在运行效率方面,采用协同控制策略的客货分离形式高速公路优于传统ALINEA控制策略的客货分离式高速公路,远优于客货混行、无控制策略的高速公路.     

考虑环境效益的城市快速路匝道协调控制

针对城市机动车尾气污染严重的问题,提出一种考虑环境效益的城市快速路入口匝道协调控制策略.以城市快速路宏观交通流模型为基础,将宏观交通变量转化为微观变量,然后采用微观排放模型计算尾气排放量.在模型预测控制的框架下,综合交通效率和环境效益指标,建立非线性动态优化控制命题,并基于极小值原理进行求解.在多匝道快速路网的仿真结果表明,该策略在兼顾交通通行效率的同时能有效减少机动车尾气CO,HC排放,燃油消耗也显著减少,只有NOx因平均车速的提高略有增加.     

基于ALINEA算法快速路入口匝道单点动态控制

在考虑匝道排队控制和控制阈值约束的前提下,基于ALINEA算法对武夷路上匝道进行动态控制.研究ALINEA算法参数设置目的,综合以往研究成果,分析相关采集数据,确定ALINEA参数设置;分析ALINEA经典排队模型,结合武夷路上匝道实际物理条件,提出匝道排队分段约束模型.分析匝道单点动态控制机理和武夷路匝控相关数据特征,构建控制阈值表;控制阈值表、ALINEA算法和匝道排队分段约束模型一起构成了武夷路上匝道单点动态控制策略.离线仿真结果证明了该策略不但平滑了匝道流量脉冲,而且提高了主线下游行车速度,解决了主线下游的拥挤.     

基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.     

基于模型预测控制的三相四桥臂有源电力滤波器

针对现有有源电力滤波器数字化控制方法对模型依赖性较强的缺点, 在介绍了正负序系统和零序系统解耦控制的基础上, 提出了一种三相四桥臂有源电力滤波器的模型预测控制(MPC)方法, 以差分方程作为预测模型, 保留了常规MPC中的反馈校正和滚动优化环节, 推导出了最优控制率. 与常用的预测电流控制方法做了对比, 得出了带电源电压观测器的预测电流控制只是模型预测控制的一个特例的结论; 详细分析了参数对稳定性的影响, 修改MPC的参数, 可以在省略带通滤波器的情况下, 允许更大的连接电抗参数建模误差, 鲁棒性比预测电流控制更高.此外, MPC和重复控制相结合消除了MPC所固有的稳态误差. 仿真结果验证了所提方法的有效性和正确性.     

多尺度建模在预测控制中的应用

复杂的工业大系统,利用传统的模型预测控制(MPC)方法对其实施鲁棒性控制时,不可避免地产生因计算复杂而带来巨大的计算负荷问题.首先利用离散正交小波变换(DWT)的多尺度分解技术和解相关能力,将时域中得到的问题变换到多尺度域中,以简化问题的复杂性,并依此在多尺度域中建立起相应的动态模型;然后利用建立的多尺度模型给出一种能并行执行的多尺度模型预测控制算法,以确保系统的鲁棒性和稳定性;最后利用计算机仿真实验结果比较了传统的MPC方法和新的多尺度模型预测控制(MSMPC)方法在性能上的差异.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法(MPC),提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

基于模型预测的快速交通网络路由诱导方法

为了达到均衡城市快速路网交通负荷,提高交通运行效率的目的,提出了模型预测路由诱导控制方法,控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题.采用宏观、确定型的、离散时间、空间、适合基于模型预测交通控制的宏观动态交通模型来构建网络交通过程模型,通过在未来较长的时段内求解每一个控制周期的最优问题来实现反馈控制.仿真实例研究结果表明,模型预测路由诱导控制方法能够考虑时变的交通状态,取得良好的控制效果,可为先进的交通管理系统构建提供依据.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

具记忆状态反馈的输入受限时滞系统模型预测控制器

针对一类具有输入约束的离散线性不确定时滞系统,提出了一种具有记忆状态反馈的模型预测控制器.首先,定义时滞系统的鲁棒性能指标,在考虑时滞状态影响的条件下设计了包含时滞状态的记忆状态反馈控制律,在线优化时将当前控制量作为独立优化变量,与其它作为反馈控制的时域控制序列分开处理,以降低算法保守性,提高可行性.然后,给出了基于线性矩阵不等式凸优化的控制策略以及系统稳定的充分条件.最后,通过仿真实验验证了该控制算法的有效性.     

四轮独立转向电动汽车路径跟踪预测控制

对于四轮独立转向(4WIS)电动汽车采取前后轮同时转向的策略,建立4WIS电动汽车动力学模型,得到相关的状态空间表达式,推导出线性时变路径跟踪预测模型.基于模型预测控制理论,结合约束条件和优化目标函数,将控制算法转化为标准二次规划问题,设计了4WIS路径跟踪控制器;然后利用Matlab/Carsim联合仿真平台,进行双移线工况下的仿真试验,最后验证控制算法对速度和路况的鲁棒性,分析了控制器参数对算法实时性的影响.     

采用人群搜索算法的汽车半主动悬架LQG控制

针对某款乘用车的悬架系统,建立1/4车辆2自由度半主动悬架动力学模型,并对模型的输出指标进行加权处理,得到性能指标函数.鉴于性能指标函数中各权重不易确定的特点,运用人群搜索算法对函数各权重进行寻优,并采用线性二次高斯(LQG)最优控制算法对悬架的阻尼力进行控制.最后,在MATLAB/Simulink中搭建仿真模型,对悬架的性能进行仿真分析.结果表明:采用基于人群搜索算法的LQG控制能够较好地减小车身加速度(BA)、悬架动挠度(SWS)及轮胎动变形(DTD),有效地改善车辆的平顺性和乘坐舒适性.     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

基于动态反馈神经网络的复杂系统预测控制

在分析基于动态反馈神经网络(DRNN:Dynamic Recurrent Neural Network)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识.基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明.对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择.仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件.     

TCP网络的拥塞预测控制策略研究

针对Internet网络系统的拥塞控制问题,提出了一种基于预测函数的拥塞控制策略。在离散化传输控制协议(TCP)动态拥塞窗口模型基础上,将IP网络转化为具有约束的预测控制,采用预测函数算法策略进行优化求解,使队列快速平稳地到达目标值。仿真结果表明该方法能够适应复杂的网络环境,控制品质优于RED算法和PID算法,具有较好的稳定性和鲁棒性,有效减少了网络不确定性带来的不利影响。     

模型预测控制器权重参数整定非线性规划法

模型预测控制(MPC)权重参数的整定是其取得良好控制性能的关键。针对基于双层结构多目标优化的MPC权重参数整定方法存在求解过程较慢、耗时较长的问题，提出了一种非线性规划整定方法。该方法将MPC权重参数整定中每个时间采样点的MPC子优化问题等价为外层MPC权重参数整定优化问题的最优KKT(Karush-Kuhn-Tucker)条件，将MPC权重参数整定的双层多目标优化问题转化为单层非线性规划问题。仿真案例表明，基于单层非线性规划整定方法的MPC控制性能优于或近似于基于双层多目标优化整定方法的MPC控制性能；而且基于单层非线性规划的整定方法能够快速获得MPC权重参数，时间成本由基于多目标优化整定方法所需的1.0～1.5 h缩短到10～90 s。