基于MLD-MPC的快速路出口与辅路协调控制

城市交通信号控制系统是典型的混杂控制系统。针对当前大中城市普遍存在的快速路出口匝道、辅路及下游交叉口的信号协调控制问题,研究了一种多信号自适应控制方法,以保证出口匝道排队长度较小且下游交叉口排队不溢流。首先,基于车道路段当量排队长度建立状态方程,分别选取出口匝道、辅路交叉口和下游交叉口排队长度为连续状态变量,信号灯切换信号为离散控制变量;其次,以有限排队长度为模型约束,建立了包含快速路出口匝道、辅路及下游交叉口排队长度和信号状态的混合逻辑动态MLD模型;然后,比较研究了快速路出口匝道有信号灯控、无信号灯控两种不同情况下的MPC模型预测控制方法。仿真结果表明,基于MLD-MPC的控制方法可解决快速路出口匝道与辅路及下游交叉口的多交叉口信号协调控制问题。     

快速路入口匝道与衔接交叉口协调控制策略

提出一种入口匝道与衔接道路交叉口协调控制的策略。采用ALINEA入口匝道控制方法保证主线畅通的前提下,在入口匝道与衔接交叉口均无超长排队时,以入口匝道与衔接信号控制交叉口车均延误最小化为目标;入口匝道无超长排队而衔接交叉口关联相位存在超长排队时,采用衔接交叉口关联相位延长控制策略;在入口匝道存在超长排队而衔接交叉口关联相位无超长排队时,采用衔接交叉口关联相位提前结束控制策略。采用cell transmission model模型构筑入口匝道控制与相衔接交叉口协调控制的模型,实时动态优化地面交叉口的周期跟绿信比。研究结果表明：采用提出的控制方法,衔接交叉口的车均延误虽然有轻微增加,但可以有效防止入口匝道的拥堵蔓延至普通道路,从而可以保证出口匝道衔接区域的畅通,衔接区域的车均延误减少。     

城市快速路入口匝道与交叉口协调控制策略

为提高城市快速路的运行效率,避免快速路入口匝道处发生拥堵并影响地面交通,结合快速路交通状态的实时判别、匝道调节率及交叉口信号配时方案,提出了针对快速路典型交通状态下的精准协同控制模型。协调控制模型的四个子模型为,流量精准推送模型、交叉口关键相位迟闭、早断配时优化模型、匝道排队调节控制模型。案例仿真表明：协调控制信号迟闭策略下匝道通过流量、车均延误,交叉口平均排队长度、车均延误分别优化了2.3%、40.4%、21.8%、22.4%;协调控制信号早断策略下匝道车均延误、平均排队长度,交叉口平均排队长度、车均延误分别优化了22.6%、31.7%、9.7%、4.5%;协调控制较大程度上提升了研究区域运行效率。     

基于CTM的多种交通状态控制目标一致性分析

交叉口信号控制优化目标一般由实践经验或交通控制目的所确定,往往忽略了不同交通状态下优化目标之间相互矛盾和相互制约的关系,造成交通控制效果不理想.为解决上述问题,提出建立基于元胞传输模型的单个交叉口优化控制模型,给出了交叉口延误、通行能力、排队长度以及机动车尾气排放量四类性能指标的表示方法,进而利用粒子群算法对控制目标进行了优化求解,并在MATLAB环境下对上述四类控制指标之间的一致性进行了仿真分析.仿真结果表明:在轻度流量下,延误、通行能力和排队长度之间具有一致性,延误与排队长度之间的一致性相对较好,而中度和重度流量下,延误与尾气排放量之间有较好的一致性,排队长度与通行能力有较好的一致性.     

城市快速路出口匝道与衔接交叉口的协调控制

针对快速路与常规道路的衔接段交通拥堵等问题,首先提出辅路排队长度约束,建立出口匝道与衔接交叉口交织段的排队模型。其次,基于匝道控制理论和分层协调控制的思想,以快速路主路的最佳运行状态为控制目标,确定出口匝道调节率,建立了出口匝道与衔接交叉口的协调控制模型。最后应用Vissim仿真软件进行验证,证实了协调控制方法的有效性。     

基于粒子群算法的交通干线协调控制的研究

目前各大城市交通拥堵的一个重要原因是交通控制仍然为单点控制,未能实现协调优化.基于此,提出一种基于粒子群优化的干线交通总延误最小协调控制方法.首先,通过对城市交通干线协调控制进行数学抽象,建立干线交通双向绿波控制总延误模型.其次,依据总延误模型的特征,设计了一种利用历史最优共享的粒子群算法(VSHBPSO).接着,对干线总延误模型进行优化,以总延误最小为目标,得出相位差、绿信比的最优解,进而获得交通信号相位的动态配时策略.最后以秦皇岛市交通干线为例进行仿真实验,实验结果表明,优化后的交叉口配时方案比传统的定时控制方案减少了43.1％的延误时间,有效提高了干线通行效率.     

一种数据丢包情况下的交叉口排队长度均衡控制方法

针对交通数据在传输过程中随机丢包造成交通拥堵的问题,提出一种新的交叉口排队长度均衡控制方法。考虑到交叉口交通控制的重复特性和强非线性,将无模型自适应迭代学习控制方案应用于交叉口排队长度控制中,通过实时调整各交叉口的信号配时方案来调节路口车辆的排队长度,实现各交叉口排队长度的均衡。针对道路交通网络控制中排队长度差值数据在传输过程中存在的丢包现象,将数据丢失现象描述为概率已知的伯努利序列,提出数据丢失情况下的补偿算法,即利用上次迭代的输出数据、伪梯度的估计值和控制输入差值对丢失数据进行补偿,解决存在数据丢包情况下多交叉口排队长度均衡控制问题。仿真结果表明,该方法在数据丢包的情况下迭代100次左右能够收敛于期望值并达到期望控制效果,验证了补偿算法的有效性。     

考虑左转汇入的干线协调控制与速度引导优化

考虑到相交道路左转汇入车流对干线协调效率的影响, 本文以绿波带宽最大为目标提出了干线协调控制下直行车辆及左转汇入车辆的速度引导模型. 首先, 在干线绿波控制(Maxband)模型的基础上确定干线直行车辆的可通行时间, 引导干线直行车辆在绿波时间段内到达交叉口; 然后, 加入控制左转汇入车辆的通行时间方程, 引导左转汇入车辆在不影响干线协调控制的时间内通过交叉口, 与干线直行车辆实现时间上的分离; 最后, 基于VISSIM和MATLAB进行仿真实验, 结果表明本文提出的优化模型可以有效提高干线交叉口的通行效率.     

窗口流量控制的干线动态协调控制方法

城市交通干线在高峰时期经常处于饱和状态,排队车辆溢出至上游交叉口的"死锁"现象时有发生.为避免干线阻塞、提高饱和条件下干线交通流的运行效率,首先提出一种有效带宽评价方法对已有干线绿波协调控制系统的运行状态及控制效果进行监控;其次借鉴TCP/IP窗口流量控制思想,设计一种窗口流量控制的干线动态协调控制方法,控制城市干线拥挤交通流.模拟试验及对比结果表明,通过窗口流量通告的方式,下游交叉口可以向上游交叉口实时告知路段的有效容量,便于各交叉口信号机根据当前的交通需求及路段的有效容量重新分配各股车流的绿灯时间.     

基于量子粒子群算法的实时多交叉口信号控制

随着城市交通日益发展,如何提高城市交通效率是目前十分关注的问题.为了解决交叉口过饱和交通流控制问题,基于交通流向动态组合的感应控制方案,设计了一种实时多交叉口协调控制(Real-time Intersection Coordination Control,RIC2)模型.该RIC2感应控制模型,以单个交叉口优化为基础,延伸到多个交叉口,形成区域之间的协调控制,同时采取一种改进的量子粒子群算法(Improved Quantum Particle Swarm Optimization,IQPSO)对信号配时进行自适应优化.仿真结果显示上述模型能显著提高城市的通行效率,具有一定可行性.     

基于改进粒子群算法的智能机器人路径规划

针对粒子群算法局部寻优能力差的缺点,提出一种非线性动态调整惯性权重的改进粒子群路径规划算法。该算法将栅格法与粒子群算法进行有效结合,在路径长度的基础上引入安全度和平滑度概念,建立动态调整路径长度的适应度函数。与传统的粒子群算法相比,实验结果表明,改进算法具有较强的安全性、实时性及寻优能力。     

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。     

求解非线性约束问题的混合粒子群优化算法

将处理约束问题的乘子法与改进的粒子群算法相结合,提出了一种求解非线性约束问题的混合粒子群算法。此算法兼顾了粒子群优化算法和乘子法的优点,对迭代过程中出现的不可行粒子,利用乘子法处理后产生可行粒子,然后用改进的粒子群算法来搜索其最优解,这样不仅减小了粒子群算法在寻优过程中陷入局部极小的概率,而且提高了搜索精度。数值试验结果表明提出的新算法具有搜索精度更高、稳定性更强、鲁棒性更好等特点。     

基于多点速度向量的多目标粒子群算法改进

针对多目标粒子群算法在高维条件下易早熟、迭代步骤数较多的问题,通过引入多点速度向量,提出一种基于多点速度向量的多目标粒子群改进算法,由于改进的多目标粒子群可以看成多个对于目标函数和当前种群的多目标最优点独立的速度和位置分量的叠加,减少了在目标函数最优值搜索之间相互的影响,从而有效地提高多目标粒子群在高维条件下的收敛速度以及准确性,理论证明这这种改进的有效性。实验结果证明了理论推导的正确性。     

改进的粒子群算法优化神经网络及应用

针对神经网络权值选取不精确的问题,提出改进的粒子群优化算法结合BP神经网络动态选取权值的方法。在改进的粒子群优化算法中,采用动态惯性权重,并且认知参数与社会参数相互制约。同时,改进的粒子群优化算法结合差分进化算法使粒子拥有变异与交叉操作,保持粒子的多样性。基于改进的粒子群优化算法与BP神经网络,构建IPSONN神经网络模型并运用于酒类品质的预测。实验分别从训练精度、正确率及粒子多样性三方面验证了IPSONN模型的有效性。     

基于DTC-MOPSO算法的焊接机器人路径规划

点焊机器人在汽车白车身焊接中的应用大大提高了企业的生产效率,本文从焊接路径长度和能量两方面进行焊接机器人多目标路径规划．为了很好地解决这个问题,本文对一种新型多目标粒子群算法（三态协调搜索多目标粒子群优化算法）进行改进,得到适合于求解离散多目标优化问题的离散化三态协调搜索多目标粒子群算法（DTC-MOPSO）．通过和两个经典的优化算法比较,DTC-MOPSO算法在分散性和收敛性方面都有很好的优化性能．最后运用Matlab机器人工具箱对机器人的运动学、逆运动学以及逆动力学进行分析以求解机器人的路径长度和能耗,并将改进的算法应用于焊接机器人路径规划中,结果显示规划后的路径明显优于另外两种算法.     

基于灰色粒子群神经网络的航天器参量预测

针对航天器精确预测与健康管理的需求,将粒子群算法、灰色理论与神经网络的优势相结合,提出了一种灰色粒子群神经网络组合参量预测方法,实现了灰色模型、粒子群算法、神经网络模型的优势互补.针对某卫星南帆板输出电流参量的预测实例,采用总平均绝对误差、总平均绝对百分比误差、总均方根误差3个预测结果评价指标,对灰色粒子群神经网络模型、粒子群神经网络模型、灰色模型和残差修正灰色模型的预测结果进行了比较,结果证明灰色粒子群神经网络模型的预测精度较高,在航天器参量预测领域具有很好的应用前景.     

基于改进PSO算法的测试数据自动生成研究

为了提高软件测试中测试数据自动生成的效率,提出了一种基于改进PSO算法的测试数据自动生成的方法。通过在标准的PSO算法中引入人工免疫的思想,保持了群体的多样性,从而有效避免标准PSO算法易陷入局部最优的问题,提高了算法全局搜索的能力,增强了算法的整体性能。实验结果表明,利用改进后的PSO算法寻找最优解所需的迭代次数和时间明显少于标准粒子群算法,生成测试数据的速度快、效率高。     

基于改进混沌粒子群优化算法的聚丙烯生产调优

通过算法混合提出了一种改进混沌粒子群优化算法。将混沌搜索融入到粒子群优化算法中,建立了早熟收敛判断和处理机制,显著提高了优化算法的局部搜索效率和全局搜索性能。将改进混沌粒子群优化算法应用于聚丙烯生产调优中,首先建立了聚丙烯最优牌号切换模型,然后采用改进混沌粒子群优化算法求解该最优牌号切换模型。优化结果:表明,与常规混沌粒子群优化算法相比,改进混沌粒子群优化算法具有更佳的优化效率和全局性能。     

吸引子权重改变内嵌区域震荡搜索粒子群算法

针对粒子群算法搜索精度不高、搜索最优解较慢的问题,提出了一种改进的粒子群算法。该算法通过调整全局最优解和个体最优解,形成一个新的全局吸引子解指导粒子收敛,优化种群粒子来搜索解空间的最优值。再将优化方案融入到内嵌区域震荡搜索的粒子群算法（RSPSO）中,仿真结果表明,改进的粒子群算法在寻优能力及搜索精度方面都得到了进一步的提高。