十字路口交通灯模糊控制系统设计

采用模糊控制算法对十字路口交通灯进行控制,使用西门子可编程控制器实现交通灯的模糊控制,在PLC的基础上设计模糊控制器。通过离线计算得到绿灯延时的模糊控制查询表,根据当前绿灯方向的车辆数,以及红灯方向与绿灯方向车辆数之差进行查表,得到当前绿灯方向的通行时间。仿真结果表明：此系统有效地减少了十字路口平均车辆延误,使得十字路口的控制系统可以根据实时的流量灵活控制,在此基础上得到更为精确实用的绿灯延时．为智能交通系统实现提供了一条新途径。     

十字口4相位信号灯模糊控制模型设计与仿真

以车辆排队长度和绿灯时间分别作为控制模型的输入和输出,运用模糊控制算法模拟交通警察指挥时的判断决策过程,设计了一个基于绿延时的十字口4相位信号灯模糊控制模型.该模型采用Zadeh表示法描述模糊集合,用Matlab中的FIS和Fuzzy Logic Toolbox工具进行参数优化,并采用Simulink工具对模型进行了仿真.仿真结果表明,该模型的输出基本与期望值相符,可以降低车辆平均延误时间.     

快速路出口匝道下游交叉口配时模糊控制

为解决城市快速路出口匝道及其衔接交叉口区域交通拥堵局面,提出了快速路出口匝道下游信号交叉口配时模糊控制方法.设计了相位绿灯延时模糊控制器和相序优化模糊控制器,实现了信号交叉口各相位绿灯时间的优化及相序的优选.结合MATLAB语言对该方法进行了程序设计与仿真.仿真结果表明:该方法在控制效果方面明显优于定时控制方案,有效地缓解或减少了出口匝道及其衔接下游交叉口区域由于配时不合理而造成的交通拥堵.该成果可为交通控制或指挥管理部门在交通拥堵治理方面提供有效的控制方案与手段.     

一种基于模糊排队论的网络拥塞控制算法

在分析和比较现有的主动队列管理(AQM)的网络拥塞控制算法基础上,将模糊控制理论与排队论相结合,提出了一种适合于动态控制队列长度的拥塞控制算法。该算法根据路由器中队列长度的变化情况,对源端数据包的丢弃概率进行模糊控制,从而避免网络拥塞,提高路由器处理的实时性。通过matlab仿真,验证了此算法能够减小排队的延时、提高带宽利用率以及稳定队列的长度。     

城市交叉口综合模糊控制

基于交警对城市交叉口交通指挥的决策过程,设计了一种综合模糊控制器,把每一时刻各车道的平均车辆排队数之和作为控制目标,综合考虑各相位车道上的车队长度以及各相位的延误次数,以此来决定绿灯延时和下一放行相位。仿真表明,综合模糊控制方法比以往模糊控制方法能更有效地减少排队车辆数。     

城市交叉路口模糊控制设计

本文设计了一种基于模糊逻辑的交叉路口信号控制系统,该模糊控制系统综合考虑通行相位和非通行相位对绿灯放行权的需求紧急度,来确定当前通行相位的绿灯时长和下一个候选通行相位。经仿真实验证明,本文提出的模糊控制方法具有一定现实意义。     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

基于模糊控制及绿时利用率的感应控制优化

单点感应控制信号配时是一个复杂的问题,将绿时有效利用率作为控制参数之一,运用模糊控制理论对感应控制进行配时优化.提出一种感应控制的优化方法,基于模糊控制及绿时有效利用率,确定模糊控制的输入,以绿灯延长时间作为输出,采用模糊推理得出绿延时的查询表.考虑交通流的特点,根据定时控制最佳周期时长的思想,分别确定感应信号控制的控制参数,最大绿灯时间和最小绿灯时间.用一个简单的两相位算例进行定量分析,用以讨论所提出优化方法的可行性.     

基于模式匹配的模糊控制算法

提出了一种新的模糊控制算法 ,传统的模糊控制算法是基于模糊逻辑推理的 ,而这种算法是基于模式匹配的。对于模糊控制器的模型 ,定义了模糊集合匹配度和模糊规则匹配度 ,在此基础上给出了基于模式匹配的模糊控制算法的模型和设计步骤。就该算法与经典模糊控制算法的联系进行了讨论 ,证明它包含了经典模糊控制中最常用的 Mamdani和 L arsen算法。另外 ,还定义了更为简便的算法。最后给出了这种算法的仿真实验结果 ,结果表明该算法是可行的、有效的。     

含分布式电源配电网电流差动保护数据同步采样新方法

提出了一种数据同步采样方法.该方法首先采样出线路两端的电流相量,并在此基础上应用延时修正方程和傅里叶反变换算法求得延时同步修正参数,然后根据延时同步修正参数进行线路两端电流相量相加.应用PSCAD软件建立配电网仿真模型对该方法进行了仿真验证.     

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…     

新型模糊控制算法在交叉口信号控制中的应用

作为智能控制的分支,模糊算法已越来越多地应用于交叉口信号控制,成为交叉口信号控制的新热点。文中通过提出路段车辆数这一新概念,提出了一种新型的孤立交叉口信号控制的模糊算法,实现了孤立交叉口信号控制的优化,并在此基础上进行了系统仿真。通过与传统定时控制方法进行分析对比,论证了这种新型模糊控制算法在车辆延误时间和排队长度方面有较大的改善,具有实用性和可靠性。     

兼顾效率与公平的模糊交通控制模型

为了在控制过程中既强调交通效率又兼顾交通公平，提出了一种新的信号交叉口模糊逻辑控制模型，该模型由2个子控制器构成．当前绿灯结束时，通行相位控制器根据各车道的车辆数和平均等待时间计算它们的交通紧急度，然后根据交通紧急度选择下一个通行相位，通行时间控制器则根据被选相位中车辆数最大车道的交通情况来决定通行时间．仿真实验结果表明，该模型与感应控制和Pappis模型相比，在车流量很小时控制效果相近，但随着各向车流量的增加，该模型开始优于其他模型，车流量越大优势越明显，而且变化十分平稳，不仅提高了交通效率，而且使交通供给更加公平．     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

基于MRFAC的感应电机控制器设计

结合感应电机这一非线性控制对象,设计了感应电机的模型参考模糊自适应速度控制器。该控制器具有传统模型参考自适应控制构架,传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的。基于模块化建模工具Matlab/Simulink建立感应电机控制系统模型,仿真结果表明该控制器运行平稳,具有良好的动、静态性能。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

模糊控制算法在温度控制系统中的研究

本文结合电加热炉的控制特性,分析了传统PID算法控制器和模糊逻辑控制器的优缺点,并根据智能控制理论的前沿研究,选择了模糊PID复合控制(Fuzzy-PID)来实现对电加热炉这一数学模型为双输入双输出系统的智能控制。根据实际温控系统的要求,设计出一种PID控制与模糊控制相结合的智能控制系统,具备一定的自适应控制能力,因而特别适用于难于用精确数学模型描述的温度控制系统,有较强的稳定性和鲁棒性。     

模糊控制在钢缆拖动系统中的应用

建立了钢缆拖动系统的数学模型,并在此基础上生成了对该系统运动控制的模糊控制算法．计算机对误差信号进行计算,输出控制信号操纵滚动圆盘,使机具沿着预定的路径运动．实验结果证明,该模糊控制算法具有较好的控制精度和响应速度．