几类快速路交通流模型的迭代学习控制研究

《几类快速路交通流模型的迭代学习控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文几类快速路交通流模型的迭代学习控制研究杨峰指导老师戴喜生专业名称控制理论与控制工程学科门类工学论文提交日期2015.5.23分类号密级公开UDC学校代码10594硕士学位论文题目几类快速路交通流模型的迭代学习控制研究英文题目ResearchonIterativeLearningControlforSeveralTypesofFreewayTrafficFlowModels姓名杨峰专业名称控制理论与控制工程学科门类工学指导老师戴喜生论文提交日期2015.5.23论文答辩日期2015.5.30答辩委员会主席谭光兴论文评阅人李春贵张向文党选举独创性声明本人郑重声明：所呈

2、交的学位论文，是本人在导师的指导下独立完成所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名；日期三方女怎Ｉ３广西科技大学硕士学位论文摘要摘要快速路作为城市交通路网中的重要组成部分，给人们的出行带来了极大的便利，快速路交通拥堵问题的频繁发生，使得快速路交通流控制成为了交通系统研究中重要的研究热点。迭代学习控制（IterativeLearningControl，ILC）是智能控制方法中的一个分支，

3、建立在严格的数学描述基础上，不需要依靠精确的数学模型，非常适合快速路交通流这类具有非线性、重复性、难建模等特点的研究对象。近年来，快速路交通流的迭代学习控制受到了广泛关注。本文针对快速路交通流常微分模型，采用开环PD型迭代学习律设计了控制方法，通过严格的数学证明，对算法收敛性进行了分析，给出了迭代学习误差的收敛条件，再通过仿真分析验证了算法的有效性。针对快速路交通流动量模型，采用开环PD型迭代学习律设计了控制方法，并进行了收敛性分析，给出了收敛条件，通过和开环D型迭代学习控制律的仿真对比分析，验证了开环PD型迭代学习控制律具有更好的控制效果。然后利用模糊控制（FuzzyContr

4、ol，FC）算法对开环PD型迭代学习控制律的学习增益进行调节，设计了模糊开环PD型迭代学习控制器，通过和开环PD型迭代学习控制律的仿真对比分析，验证了利用模糊控制算法改进后的迭代学习控制律提高了系统输出误差的收敛速度，改善了控制性能。针对快速路交通流分布参数系统扩散模型，采用开环PD型迭代学习律进行控制，通过仿真分析，验证了开环PD型迭代学习控制律在快速路交通流分布参数系统扩散模型的交通流控制上的有效性。然后采用粒子群（ParticleSwarmOptimization，PSO）算法对迭代学习控制律的迭代学习增益进行优化，设计了粒子群开环PD型迭代学习控制器，通过和开环PD型迭代

5、学习控制律的仿真对比分析，验证了快速路交通流分布参数系统扩散模型在粒子群算法改进后的迭代学习控制律的作用下，系统误差具有更快的收敛速度，系统输出具有更好的跟踪性能。关键词：迭代学习控制；快速路交通流常微分模型；快速路交通流动量模型；快速路交通流分布参数系统扩散模型；模糊控制；粒子群算法I广西科技大学硕士学位论文AbstractAbstractAsanimportantcomponentofurbanroadnetwork,freewayhasbroughtgreatconveniencetothewaypeopletravel.Asfreewaytrafficcongestion

6、occursfrequently,thecontroloffreewaytrafficflowhasbecomeahotresearchinresearchoftransportationsystem.Iterativelearningcontrol(ILC),whichbasedonstrictlymathematicaldescription,isonebranchoftheintelligentcontrolmethods.ILCdoesn’tdependonprecisemodel.It’ssuitabletoresearchsubjectwithnonlinearity

7、,repeatabilityanddifficultyinmodelingsuchasfreewaytrafficflow.Inrecentyears,ILCforfreewaytrafficflowhasreceivedwidespreadattention.Inthispaper,basedonfreewaytrafficflowordinarydifferentialmodel,open-loopPD-typeiterativelearninglawisadoptedtod