基于强化神经网络的区域协调控制研究

本文在综合神经网络与强化学习的基础上,对智能交通区域协调控制进行了研究。文章首先介绍了基于神经网络存储和训练的强化学习算法,然后在此基础上进行区域协调模型的建立并给出协调的算法,通过仿真实验对模型的有效性进行验证,结果显示本文建立的模型对于试验安徽省合肥市高新区区域内的交通状况的提高有较好的效果。     

基于强化学习的交叉口交通低排放信号控制研究

交叉口车辆排放较为复杂,尤其是在考虑初始排队长度的情况下,更是难以建立明确的数学模型。Q学习是一种无模型的强化学习算法,通过与环境的试错交互学习最优控制策略。本文提出了一种基于Q学习的交通排放信号控制方案。利用仿真平台USTCMTS2.0,通过不断地试错学习找到在不同相位排队长度下最优配时。在Q学习中添加了模糊初始化Q函数的方法以改进Q学习的收敛速度,加速了学习过程。仿真实验结果表明:强化学习算法取得较好的效果。相比较Hideki的方法,在车流量较高时,车辆平均排放量减少了13.9%,并且对Q函数值的模糊初始化大大加速了Q函数收敛的过程。     

智能信号优化系统在交通领域的技术应用

随着社会经济的发展与城市机动车保有量的增长,传统信号优化系统在交通控制领域的应用已无法满足日益增长的交通拥堵矛盾。在人工智能飞速发展的今天,交通管理者希望通过技术革新,推进人工智能与交通信号优化的融合。本系统提出一种基于平行仿真结合强化学习的信号优化算法,突出体现深度强化学习在干线、区域信号协调优化过程中的优势。     

城市交通区域协调的模糊控制研究

城市交通区域协调控制是智能交通重要的研究方向之一,其目的为了避免区域交通的拥塞。本文提出一种区域协调的模糊控制方法,结合相邻交叉口之间路段的饱和度及各交叉口相位方向的排队长度,建立了模糊控制规则,以对区域交通进行协调控制。采用典型四交叉口组成的区域对文中所提算法进行验证,结果显示该方法能够降低区域内路段的饱和度和交叉口平均延误。     

基于多智体的城市区域交通模糊控制

以多智体技术为基础,通过多智体对区域交通流控制系统的组成和结构进行描述。提出了一种用模糊控制作为多智体的控制模块,以动态区间车流密度作为控制量对区域交通流进行协调控制的方法,以达到提高区域交通车流量、减少车辆延误时间的目的。通过对一个区域交通流进行仿真,验证了该方法的有效性。     

神经网络在无人机自动飞行控制系统中的应用

采用神经网络与PID控制相结合的方法，提出了一种基于BP神经网络Kp、Kl、KD参数自学习的PID控制器，较好地解决了传统控制方式对于对象模型过于依赖、参数在线整定困难等问题。同时对BP算法进行了深入分析，引入了神经网络的自适应学习速率和带死区控制，进一步提高了算法的收敛性。利用本文所提出的算法对某型无人机进行控制设计仿真实验，仿真结果表明：该算法在跟踪速率、控制精度上明显优于传统的PID控制器，对无人机具有良好的控制效果。     

基于多智能体技术的城市智能交通控制系统

本文中提出一种城市交通智能控制系统,针对城市交通网络中相邻交叉口的交通流可能相互冲突,即局部交通流的优化可能引起其他区域交通状况的恶化的问题,采用多智能体协调控制方法来协调相邻交叉口处的控制信号消除网络中的交通拥塞.提出以一个智能体的方式实现一个信号灯交叉口控制,对多个信号灯交叉口形成的交通网络采用多智能体协调控制的方式实现网络流量优化来消除拥塞.文中提出由递归建模和改进的贝叶斯学习相结合的多智能体系统来使智能体可以确定其他智能体的准确模型并实时更新信息,并基于上述方法在简单的交通网络模型上建立了多智能体交通控制系统,仿真结果表明了方法的有效性,对实现智能交通系统有重要意义.     

不完全微分PID控制算法研究与仿真实验

阐述了不完全微分PID算法的原理,以及两种微分算法的数学推导算式与控制输出作用比较,并对其进行了相应的MATLAB仿真实验,取得了较好的控制效果。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

基于改进PID神经元网络的多变量系统控制算法

PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。     

基于CMAC神经网络的舰载雷达转台的复合控制

舰载雷达伺服系统采用单一的PID控制算法往往难以取得较高的控制品质和控制精度，本文阐述了采用CMAC神经网络和传统PID相结合的复合控制方法，介绍了CMAC神经网络的原理及其结构模型，给出了其学习算法，并对其在某雷达转台上的实际应用进行了详细的论述。     

Nonlinear coordination control for a group of mobile robots using a virtual structure

This paper considers the problem of creating a coordination algorithm for a team of mobile robots. The goal for coordinating a group of mobile robots is to create an efficient architecture and control algorithm that enables them to work both individually and in meaningful robot formations. This is achieved by employing coordination and trajectory following techniques, and the knowledge derived by the localization of the robots from their environments.The model use a combination of the Lyapunov technique and graph theory embedded in the virtual structure. In this way, the knowledge derived by the localization of the robots in the group allows for efficient coordination and trajectory following, which can then create useful robot formations.The results obtained from experiments, using three mobile robots in differing formations, show the performance of the controller and the coordination algorithm. They also demonstrate the ability of the algorithm to recover from position sensor measurement errors and temporary delays or failures in the communication, which may cause the robots to momentarily abandon their place in the group formation.     

基于模糊自适应的智能车驱动与转向协同控制研究

为改善智能车驱动电机调速与舵机转向的协调性,简化调参适配步骤,提出了基于MK60FN1(MK60)芯片的驱动与转向协同控制的模糊自适应控制方案。MK60计算出摄像头拍摄图像中车体与车道中线的位置偏差和角度偏差,根据位置偏差与舵机角度、角度偏差与测量到的车速,采用局部参数优化理论设计模糊自适应控制算法实时调整驱动电机和舵机的可调增益实现协同控制。与驱动、转向分开独立控制的策略相比较,本方案减小了稳态误差,智能车能够更快完成自主循迹,稳定性更好。     

基于功率控制的LTE系统下行ICIC算法研究

在LTE系统中,小区的边缘用户会同时受到邻区同频用户的干扰,需要一种小区间的干扰协调技术（ICIC）来解决这个问题。分析传统ICIC算法的不足,提出一种优化的算法,通过计算边缘用户在单个干扰用户和多个干扰用户情况下的容量,得出邻区基站较为精确的发射功率控制量。参考3GPP标准案例仿真模型,对该算法进行了仿真,仿真结果表明与传统ICIC算法的相比,该算法可以明显提高边缘用户的吞吐量。     

遗传算法在弹头姿态控制系统优化设计中的应用

弹头姿态控制系统是弹道导弹弹头控制技术的重要组成部分,但由于系统中明显包含非线性环节,所以造成设计时系统优化困难.为解决设计中的非线性问题,引入了PD控制,并根据系统的性能及特点,提出了相应的遗传算法及其适应度函数,对PD参数进行整定,最后基于遗传算法对弹头姿态控制系统进行了全面设计和仿真.从仿真结果看,引入算法后,系统控制效果良好,完全满足系统控制要求,达到了系统优化设计.     

Decentralized Control of Dynamic Routing with a Neural Network Algorithm

A state-dependent routing algorithm based on the neural network model, which takes advantage of other dynamic routing algorithm for circuit-switched network, is given in [1]. But, the Algorithm in [1] is a centralized control model with complex O (N7), therefore, is difficult to realize by hardware. A simplified algorithm is put forward in this paper, in which routing can be controlled decentralizedly, and its complexity is reduced to O (10N3). Computer simulations are made in a fully connected test network with eight nodes. The results show that the centralized control model has very effective performance that can match RTNR, and the centralized control model is not as good as the centralized one but better than DAR-1.     

红外相机扫描镜轨迹跟踪的迭代学习控制方法

为提高星载广域红外相机的观测效率与凝视成像质量,扫描镜需要在几十毫秒的时间内完成角度切换,实现角秒级的轨迹跟踪控制。在闭环带宽有限的情况下,性能指标难以通过基于经典控制理论的算法实现。针对枢轴支撑的扫描镜机构,提出了一种基于迭代学习的高阶系统轨迹跟踪控制方法,推导了迭代学习律,并通过预测型算法对学习律进行了优化,避免了误差高阶导数的计算。然后通过频域分析说明了算法收敛性,选取了关键参数。通过仿真与原理样机实测验证了其应用效果。测试结果表明,算法在闭环带宽低于2 Hz的情况下,无需辨识被控对象的高阶特性,即可实现扫描镜对角加加速度超过106 （°）/s3轨迹的高精度跟踪控制,跟踪误差优于±1.5",满足相机应用要求。     

基于模糊控制参数自整定的舰载雷达三轴稳定控制

在舰载雷达三轴稳定控制中,采用经典PID控制算法难以取得较高的控制精度且参数整定繁琐。本文采用了将经典PID控制与模糊控制相结合的方法,利用模糊理论进行PID参数的自动整定,并将其应用于舰载雷达三轴稳定控制中,取得了较好的控制效果。     

一种采用混合平衡准则的新功率控制算法

功率控制算法按准则可以分为基于功率平衡准则和基于SIR平衡准则两大主流。基于信干比平衡的功率控制算法存在正反馈问题。基于功率平衡和信干比平衡混合准则的功率控制算法可以解决正反馈问题,但复杂度较高,实现比较困难。提出了一种基于功率平衡和信干比平衡混合准则的功率控制算法。本算法在每次迭代中通过测试接收信号功率和接收信干比,只需要一次判决产生下一周期的发射功率,因此具有易于实现的优点。分析和仿真表明本算法是有效的。     

全自动酶免仪孵育模块温度模糊自适应控制

为了保证全自动酶免仪孵育模块中的酶免反应在接近人体体温的环境中进行,建立了温度无超调的控制系统。由于控制过程中参数变化较大,难以建立精确的数学模型,导致传统PID算法难以兼顾快速性和稳定性,利用模糊自适应PID算法,根据误差和误差变化率对温度进行调节,解决了快速性和稳定性的矛盾。试验表明,用模糊自适应PID算法对温度进行控制,达到了系统的要求,并且对其有很好的调节能力,鲁棒性好。