本文選題：迭代學(xué)習(xí)控制　切入點(diǎn)：快速路交通流常微分模型　出處：《廣西科技大學(xué)》2015年碩士論文

【摘要】：快速路作為城市交通路網(wǎng)中的重要組成部分,給人們的出行帶來了極大的便利,快速路交通擁堵問題的頻繁發(fā)生,使得快速路交通流控制成為了交通系統(tǒng)研究中重要的研究熱點(diǎn)。迭代學(xué)習(xí)控制(Iterative Learning Control,ILC)是智能控制方法中的一個分支,建立在嚴(yán)格的數(shù)學(xué)描述基礎(chǔ)上,不需要依靠精確的數(shù)學(xué)模型,非常適合快速路交通流這類具有非線性、重復(fù)性、難建模等特點(diǎn)的研究對象。近年來,快速路交通流的迭代學(xué)習(xí)控制受到了廣泛關(guān)注。本文針對快速路交通流常微分模型,采用開環(huán)PD型迭代學(xué)習(xí)律設(shè)計(jì)了控制方法,通過嚴(yán)格的數(shù)學(xué)證明,對算法收斂性進(jìn)行了分析,給出了迭代學(xué)習(xí)誤差的收斂條件,再通過仿真分析驗(yàn)證了算法的有效性。針對快速路交通流動量模型,采用開環(huán)PD型迭代學(xué)習(xí)律設(shè)計(jì)了控制方法,并進(jìn)行了收斂性分析,給出了收斂條件,通過和開環(huán)D型迭代學(xué)習(xí)控制律的仿真對比分析,驗(yàn)證了開環(huán)PD型迭代學(xué)習(xí)控制律具有更好的控制效果。然后利用模糊控制(Fuzzy Control,FC)算法對開環(huán)PD型迭代學(xué)習(xí)控制律的學(xué)習(xí)增益進(jìn)行調(diào)節(jié),設(shè)計(jì)了模糊開環(huán)PD型迭代學(xué)習(xí)控制器,通過和開環(huán)PD型迭代學(xué)習(xí)控制律的仿真對比分析,驗(yàn)證了利用模糊控制算法改進(jìn)后的迭代學(xué)習(xí)控制律提高了系統(tǒng)輸出誤差的收斂速度,改善了控制性能。針對快速路交通流分布參數(shù)系統(tǒng)擴(kuò)散模型,采用開環(huán)PD型迭代學(xué)習(xí)律進(jìn)行控制,通過仿真分析,驗(yàn)證了開環(huán)PD型迭代學(xué)習(xí)控制律在快速路交通流分布參數(shù)系統(tǒng)擴(kuò)散模型的交通流控制上的有效性。然后采用粒子群(Particle Swarm Optimization,PSO)算法對迭代學(xué)習(xí)控制律的迭代學(xué)習(xí)增益進(jìn)行優(yōu)化,設(shè)計(jì)了粒子群開環(huán)PD型迭代學(xué)習(xí)控制器,通過和開環(huán)PD型迭代學(xué)習(xí)控制律的仿真對比分析,驗(yàn)證了快速路交通流分布參數(shù)系統(tǒng)擴(kuò)散模型在粒子群算法改進(jìn)后的迭代學(xué)習(xí)控制律的作用下,系統(tǒng)誤差具有更快的收斂速度,系統(tǒng)輸出具有更好的跟蹤性能。
[Abstract]:As an important part of urban traffic network, expressway brings great convenience for people to travel. Iterative learning control (iterative Learning control) is a branch of intelligent control method, which is based on strict mathematical description. No need to rely on accurate mathematical models, it is very suitable for the expressway traffic flow with the characteristics of nonlinear, repeatability, difficult modeling and so on. In recent years, The iterative learning control of expressway traffic flow has been paid more and more attention. In this paper, an open-loop PD iterative learning law is used to design the control method for the ordinary differential model of expressway traffic flow, which is proved by strict mathematics. The convergence of the algorithm is analyzed, the convergence condition of iterative learning error is given, and the validity of the algorithm is verified by simulation. For the expressway traffic flow model, an open-loop PD iterative learning law is used to design the control method. The convergence conditions are given, and the results are compared with those of open-loop D-type iterative learning control law. It is proved that the open-loop PD iterative learning control law has better control effect, then the fuzzy control fuzzy control FCalgorithm is used to adjust the learning gain of open-loop PD iterative learning control law, and the fuzzy open-loop PD iterative learning controller is designed. By comparing with the open-loop PD iterative learning control law, it is proved that the improved iterative learning control law using fuzzy control algorithm can improve the convergence speed of the output error of the system. The control performance is improved. The open-loop PD iterative learning law is used to control the diffusion model of expressway traffic flow distribution parameter system, and the simulation analysis is carried out. The effectiveness of the open-loop PD iterative learning control law in the traffic flow control of the diffusion model of the traffic flow distribution parameter system on the expressway is verified. Then, the iterative learning gain of the iterative learning control law is optimized by using particle swarm optimization algorithm (PSO). An open loop PD iterative learning controller based on particle swarm optimization is designed and compared with the open loop PD iterative learning control law. It is verified that the system diffusion model of expressway traffic flow distribution parameters has faster convergence speed and better tracking performance under the improved iterative learning control law of particle swarm optimization algorithm.
【學(xué)位授予單位】：廣西科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.54;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 苗靜;;迭代學(xué)習(xí)控制理論[J];西安工業(yè)大學(xué)學(xué)報;2011年05期

2 苗靜;;迭代學(xué)習(xí)控制理論[J];西安工業(yè)大學(xué)學(xué)報;2012年09期

3 陳興林;姜曉明;王巖;;掃描光刻系統(tǒng)的分段迭代學(xué)習(xí)控制策略[J];哈爾濱工業(yè)大學(xué)學(xué)報;2013年07期

4 苗靜;;迭代學(xué)習(xí)控制理論[J];西安工業(yè)大學(xué)學(xué)報;2014年02期

5 于少娟,馮冬梅,吳聚華;2-D系統(tǒng)理論在開閉環(huán)迭代學(xué)習(xí)控制中的應(yīng)用[J];儀器儀表學(xué)報;2002年S1期

6 姚仲舒,楊成梧;迭代學(xué)習(xí)控制在煙葉發(fā)酵系統(tǒng)中的應(yīng)用[J];自動化儀表;2002年12期

7 呂艷慧,楊云,李天石;基于變增益非線性系統(tǒng)的迭代學(xué)習(xí)控制方法的研究與應(yīng)用[J];機(jī)床與液壓;2003年04期

8 劉山,吳鐵軍;基于H_∞方法的魯棒迭代學(xué)習(xí)控制設(shè)計(jì)[J];浙江大學(xué)學(xué)報(工學(xué)版);2004年03期

9 石成英,林輝;迭代學(xué)習(xí)控制技術(shù)的原理、算法及應(yīng)用[J];機(jī)床與液壓;2004年09期

10 武永紅;張德華;段鎖林;;泵控缸電液位置伺服系統(tǒng)的迭代學(xué)習(xí)控制[J];太原科技大學(xué)學(xué)報;2006年04期

相關(guān)會議論文 前10條

1 畢勝;王福根;鄢達(dá)來;吳懷宇;章剛?cè)A;熊沈蜀;周兆英;;功能性電刺激P型迭代學(xué)習(xí)控制方法的研究[A];中國康復(fù)醫(yī)學(xué)會第四屆會員代表大會暨第三屆中國康復(fù)醫(yī)學(xué)學(xué)術(shù)大會論文匯編[C];2001年

2 高巍;孫明軒;俞立;;有界輸入下的迭代學(xué)習(xí)控制[A];第二十四屆中國控制會議論文集（上冊）[C];2005年

3 孫小強(qiáng);王銀河;;一類組合大系統(tǒng)簡單迭代學(xué)習(xí)控制的收斂性[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（三）[C];2005年

4 劉山;林堅(jiān);;基于二自由度控制的魯棒迭代學(xué)習(xí)控制設(shè)計(jì)[A];第二十六屆中國控制會議論文集[C];2007年

5 沈棟;陳翰馥;;Hammerstein-Wiener系統(tǒng)的迭代學(xué)習(xí)控制[A];第二十九屆中國控制會議論文集[C];2010年

6 蘭永紅;;基于二維模型的魯棒D型迭代學(xué)習(xí)控制[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

7 孫明軒;王惠峰;畢宏博;;反饋輔助迭代學(xué)習(xí)控制[A];第25屆中國控制與決策會議論文集[C];2013年

8 孫明軒;萬伯任;;迭代學(xué)習(xí)控制系統(tǒng)的初始條件問題[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 師佳;江青茵;曹志凱;周華;;一種基于2維魯棒預(yù)測控制的迭代學(xué)習(xí)控制方案[A];第二十九屆中國控制會議論文集[C];2010年

10 池榮虎;侯忠生;;基于學(xué)習(xí)自適應(yīng)估計(jì)環(huán)的迭代學(xué)習(xí)控制[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 張春麗;幾類非線性系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制研究[D];西安電子科技大學(xué);2014年

2 張瑞坤;受限非線性參數(shù)化系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制[D];北京交通大學(xué);2016年

3 周偉;基于高階內(nèi)模的離散時間系統(tǒng)的迭代學(xué)習(xí)控制[D];浙江大學(xué);2016年

4 謝振東;非線性迭代學(xué)習(xí)控制理論及其在機(jī)器人控制中的應(yīng)用[D];華南理工大學(xué);2000年

5 姜曉明;迭代學(xué)習(xí)控制方法及其在掃描光刻系統(tǒng)中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2014年

6 王軼;基于迭代學(xué)習(xí)控制的幾類列車自動控制問題研究[D];北京交通大學(xué);2010年

7 楊勝躍;迭代學(xué)習(xí)控制算法設(shè)計(jì)與優(yōu)化研究[D];中南大學(xué);2004年

8 曹偉;迭代學(xué)習(xí)控制及其在故障診斷中的應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

9 徐敏;基于迭代學(xué)習(xí)控制理論的勵磁控制研究[D];西北工業(yè)大學(xué);2005年

10 柳春平;迭代學(xué)習(xí)控制理論及其在網(wǎng)絡(luò)控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 蔡麗;抗非重復(fù)性干擾的迭代學(xué)習(xí)控制研究[D];鄭州大學(xué);2011年

2 李彩麗;基于迭代域的迭代學(xué)習(xí)控制方法的研究[D];大連海事大學(xué);2015年

3 魏少龍;二維LQG基準(zhǔn)下迭代學(xué)習(xí)控制的性能評估[D];北京化工大學(xué);2015年

4 趙麗娜;基于迭代學(xué)習(xí)控制的有限狀態(tài)機(jī)在動力型假肢中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

5 余劍平;非線性系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制[D];云南師范大學(xué);2015年

6 張暢;具有重復(fù)特性系統(tǒng)的控制方法研究[D];東北石油大學(xué);2015年

7 李廣印;基于未知控制方向的非線性系統(tǒng)的自適應(yīng)學(xué)習(xí)控制[D];云南師范大學(xué);2015年

8 錢亞中;自適應(yīng)魯棒重復(fù)/迭代學(xué)習(xí)控制及其在電機(jī)上的應(yīng)用[D];浙江工業(yè)大學(xué);2015年

9 陳樂劍;約束自適應(yīng)模糊迭代學(xué)習(xí)控制[D];浙江工業(yè)大學(xué);2015年

10 顧偉國;幾類非線性系統(tǒng)的迭代學(xué)習(xí)控制[D];蘇州科技學(xué)院;2015年

，

本文編號：1659019