交通流混沌智能控制研究

论文摘要

现有的交通流控制方法是基于传统的交通流理论和一般控制原理提出的,没有涉及到交通流混沌。因此,从混沌控制角度来研究交通流控制是一项具有重要意义的前沿课题。本论文主要进行的工作可以概括为以下几个方面:1、研究了在线实时快速判别交通流混沌的问题。在分析交通流控制对交通流混沌判别的要求和现有混沌判别方法存在问题的基础上,提出了基于支持向量机的在线交通流混沌快速实时识别方法,简介了该方法的原理和实现该方法的系统结构。重点讨论了特征向量的提取和两种支持向量机实现在线识别的算法,给出了仿真试验结果,说明了方法的可行性与正确性。2、研究了高速公路交通流匝道混沌控制原理。在对本混沌控制对象“一个入口匝道高速公路区段”描述的基础上,提出了选用红灯时间作为控制变量的高速公路匝道混沌控制原理。3、研究了高速公路匝道延迟反馈模糊混沌控制问题。综合延迟反馈控制和模糊控制的优点,提出高速公路延迟反馈模糊混沌控制方法;设计了将不稳定周期运动转化为周期运动作为控制目标,将密度延迟偏差e和△e作为输入的延迟反馈模糊混沌控制器;分别采用Mamdani型、T-S型模糊控制器研究;采用遗传算法对控制器参数进行优化;仿真试验表明了该混沌控制方法的有效性。4、研究了高速公路匝道状态延迟反馈模糊混沌控制问题。综合延迟反馈控制和模糊控制的优点,提出了高速公路状态延迟反馈模糊混沌控制方法;设计了密度、上游流量作为输入的模糊混沌控制器;分别采用Mamdani型、T-S型模糊控制器进行研究;采用遗传算法对控制器参数进行优化;仿真试验表明了该混沌控制方法的有效性。5、研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法。提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入的T-S模糊混沌控制器。采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;采用模糊神经网络方法对控制器参数进行优化;结合遗传算法就聚类半径进行综合优化。仿真试验表明了该混沌控制方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究简要评述
• 1.2.1 交通流混沌识别
• 1.2.2 传统交通控制理论与方法评述
• 1.2.3 混沌控制评述
• 1.2.4 交通流混沌控制评述
• 1.2.5 研究交通流混沌控制问题的切入点
• 1.3 本论文研究内容
• 1.4 小结
• 第二章 交通流混沌智能识别方法
• 2.1 引言
• 2.2 交通流混沌智能识别系统
• 2.2.1 系统原理
• 2.2.2 系统结构
• 2.2.3 信息采集子系统
• 2.3 交通流混沌离线识别方法
• 2.3.1 Wolf法
• 2.3.2 小数据量法
• 2.3.3 基于神经网络非参估计器的Jacobian方法
• 2.4 交通流混沌在线识别特征的提取
• 2.5 交通流混沌在线识别方法
• 2.5.1 神经网络方法
• 2.5.2 支持向量机
• 2.5.3 约简支持向量机
• 2.6 仿真试验研究
• 2.6.1 一般支持向量机更新模型
• 2.6.2 约简支持向量机模型
• 2.6.3 结论
• 2.7 小结
• 第三章 高速公路匝道智能混沌控制原理
• 3.1 引言
• 3.2 传统入口匝道控制算法概述
• 3.2.1 入口匝道单点控制
• 3.2.2 入口匝道协调控制
• 3.2.3 入口匝道控制综述
• 3.3 高速公路匝道混沌控制对象描述
• 3.4 交通流匝道混沌控制原理
• 3.5 高速公路匝道智能混沌控制系统结构模式基本设想
• 3.5.1 高速公路匝道智能混沌控制系统的结构
• 3.5.2 高速公路匝道智能混沌控制要求
• 3.5.3 高速公路匝道智能混沌控制系统的选择方式
• 3.5.4 控制变量的选择
• 3.6 小结
• 第四章 高速公路匝道延迟反馈模糊混沌控制
• 4.1 引言
• 4.2 高速公路延迟反馈Mamdani型模糊混沌控制器设计
• 4.2.1 匝道延迟反馈模糊混沌控制器结构
• 4.2.2 延迟反馈Mamdani型模糊混沌控制器工作过程
• 4.2.3 控制器算法
• 4.2.4 基于遗传算法控制器知识库的建立
• 4.3 仿真试验
• 4.3.1 实验条件的选择
• 4.3.2 控制器的知识库优化设计
• 4.3.3 试验数据的选择
• 4.3.4 延迟反馈Mamdani型模糊混沌控制效果
• 4.4 高速公路延迟反馈T-S型模糊混沌控制
• 4.4.1 延迟反馈T-S型模糊混沌控制器工作过程
• 4.4.2 控制规则与控制器算法
• 4.4.3 仿真试验
• 4.5 两种延迟反馈模糊混沌控制方法比较
• 4.6 小结
• 第五章 高速公路匝道状态延迟反馈模糊混沌控制
• 5.1 引言
• 5.2 高速公路状态延迟反馈Mamdani型模糊混沌控制
• 5.2.1 匝道模糊混沌控制器结构
• 5.2.2 状态延迟反馈模糊混沌控制器工作过程与算法
• 5.2.3 基于遗传算法控制器知识库的建立
• 5.2.4 仿真试验
• 5.3 状态延迟反馈T-S型模糊混沌控制
• 5.3.1 状态延迟反馈T-S模糊混沌控制器工作过程
• 5.3.2 控制规则与控制器算法
• 5.3.3 仿真试验
• 5.4 两种模糊混沌控制方法比较
• 5.5 小结
• 第六章 基于减法聚类的高速公路模糊神经网络混沌控制
• 6.1 引言
• 6.2 基于减法聚类的高速公路匝道T-S模糊神经网络混沌控制系统
• 6.2.1 控制原理
• 6.2.2 T-S控制器结构
• 6.2.3 T-S控制器工作过程及其算法
• 6.3 基于减法聚类混沌控制器知识库的建立
• 6.3.1 知识库结构及其知识提取原理
• 6.3.2 由减法聚类构造高速公路混沌控制模糊推理系统
• 6.3.3 基于模糊神经网络的混沌控制器参数优化
• 6.3.4 基于遗传算法的聚类半径综合优化
• 6.4 仿真试验
• 6.4.1 控制器知识库的优化设计
• 6.4.2 控制效果
• 6.5 小结
• 第七章 总结和展望
• 7.1 论文工作总结与主要结论
• 7.2 论文工作创新点
• 7.3 研究展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢