快速路交通入口匝道的智能學習控制方法.pdf

1、由于快速路交通系統(tǒng)具有較強的非線性、隨機性和不確定性，并且易受到各種外界干擾，如天氣、道路、駕駛人員交通行為等因素影響。如何將先進的智能控制技術、信息融合技術、智能信息處理技術應用到快速路交通系統(tǒng)控制中成為學者們研究的一個熱點方向。論文著重研究了快速路交通入口匝道的智能學習控制方法，進一步豐富和完善了模糊控制、迭代學習控制在入口匝道控制中的應用。論文主要研究內容和創(chuàng)新點總結如下:
　　1)論文詳細推導和總結了快速路交通入口匝道模型

2、（如差分形式、微分形式、分布參數形式等），尤其是給出了差分形式的含有入口匝道排隊長度的宏觀交通流增廣模型和分布參數系統(tǒng)模型的具體推演過程。同時論文還以差分形式的宏觀交通流增廣模型為例，給出了快速路交通入口匝道的控制目標和性能評價指標（平均旅行速度）。
　　2)論文基于微分形式的宏觀交通流增廣模型，利用模糊邏輯整定PI控制器參數，提出了一種新的入口匝道模糊自整定PI控制方法。該方法充分利用了上游路段流入的交通流量和向下游路段流出的交

3、通流量信息設計PI控制器，它能有效抑制超調量以及系統(tǒng)擾動等不確定性因素的影響，實現平滑控制，同時設計了相應的模糊控制邏輯，實現了復雜交通系統(tǒng)的PI控制器參數的在線調整。最后，仿真中與傳統(tǒng)PI控制器、ALINEA控制器進行了比較研究，結果表明所提出的模糊自整定PI控制方法具有更好的跟蹤效果，穩(wěn)態(tài)誤差趨于0的速度更快。
　　3)論文充分利用快速路交通系統(tǒng)的重復性和周期性性質，研究了迭代學習控制在差分形式的含有匝道排隊長度變量的宏觀交通

4、流增廣模型中的應用，將入口匝道排隊長度作為宏觀交通流增廣模型本身的一個變量，提出了入口匝道PD型開閉環(huán)迭代學習控制方法。該方法可充分利用以前重復運行過程的交通流密度誤差信息和排隊長度誤差信息，實現對快速路主道上期望交通流密度和入口匝道上期望排隊長度的同時跟蹤。論文給出了嚴格的收斂性證明，仿真研究進一步表明因所提出的基于宏觀交通流增廣模型的PD型ILC的設計考慮了排隊長度因素，從而具有較強的抑制外界擾動的能力，以及更好的瞬態(tài)響應性能和通行