基于模型预测控制的CACC系统通信延时补偿方法

为确保通信延时条件下协同式自适应巡航控制(CACC)系统的弦稳定性，利用模型预测控制(MPC)和长短期记忆(LSTM)预测方法，研究CACC系统中车辆协同控制下的通信延时补偿方法；基于车辆队列四元素架构理论，构建了包括车辆动力学模型、间距策略、网络拓扑和MPC纵向控制器的系统模型，并综合考虑2范数和无穷范数弦稳定性条件，提出了CACC车辆队列混合范数弦稳定性量化指标，最终形成协同式车辆队列建模与评价体系；设计了一种利用前车加速度轨迹(PVAT)作为开环优化参考轨迹的MPC方法，即MPC-PVAT，通过综合考虑队列的跟驰、安全、通行效率和燃油消耗等性能指标，使目标函数趋于最小代价，从而得到当前时刻的最优控制量，并利用庞特里亚金最大值原理对所设计的优化问题进行快速求解；在MPC-PVAT基础上，提出一种基于长短期记忆(LSTM)网络的通信延时补偿方法，即MPC-LSTM，将跟驰车辆的传感器信息输入LSTM网络来预测其前车的运动状态，从而缓解短暂通信延时对车辆队列稳定性的影响。仿真测试结果表明:MPC-LSTM可容忍的通信延时上界大于1.5 s，比MPC-PVAT提升了0.8 s，比线性控制器提升了1.1 s；在基于实车数据测试中，当通信延时增加到1.2 s时，MPC-LSTM的弦稳定性指标相比MPC-PVAT提升了20.33%，与线性控制器相比稳定性提升了39.35%。可见，在通信延时较大的情况下，MPC-LSTM对通信延时具有很好的容忍性，从而有效地保证了CACC车辆队列的弦稳定性。      

基于MP 与MPC 相结合的分布式交通信号控制研究

依托于最大压(Max Pressure,MP)分布式信号控制特性,结合已建立的实时排队长度预测模型,利用模型预测控制(Model Predictive Control,MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化,提出了MP与MPC相结合的分布式信号控制方法. 模型验证结果表明：MPC嵌入后,MP优化下的交叉口1 与交叉口2 延误分别降低了13.47%、15.35%;并且对比了MP绿信比分配权重修正前后对控制输出的影响,优化后瓶颈路段的车道4 和车道10 的排队溢出次数分别从6 次和9 次降低为0 次,表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.     

基于MP与MPC相结合的分布式交通信号控制研究

依托于最大压(Max Pressure，MP)分布式信号控制特性，结合已建立的实时排队长度预测模型，利用模型预测控制(Model Predictive Control，MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化，提出了MP与MPC相结合的分布式信号控制方法. 模型验证结果表明：MPC嵌入后，MP优化下的交叉口1 与交叉口2 延误分别降低了13.47%、15.35%；并且对比了MP绿信比分配权重修正前后对控制输出的影响，优化后瓶颈路段的车道4 和车道10 的排队溢出次数分别从6 次和9 次降低为0 次，表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法（MPC）,提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。     

一体式车辆避撞轨迹规划与跟踪控制

为提升复杂交通环境中智能车辆的避撞能力,将路径规划、速度规划及跟踪控制整合为一个优化问题,提出一种基于模型预测控制(MPC)的一体式车辆避撞轨迹规划和跟踪控制方法。首先,分析实际交通环境中的避撞场景,将智能车辆的避撞控制问题转化为多约束优化问题;其次, 搭建7DOF(七自由度)车辆动力学模型和复合滑移工况的UniTire轮胎模型设计MPC控制器;再次,针对变速控制问题中传统基于时域预测模型的MPC控制方法无法在预测时域中实现车辆空间和位姿约束的问题,设计了基于空间域预测模型的MPC控制器;最后,基于Matlab和CarSim联合仿真平台设计了不同避撞场景验证所提方法,并与现有基于恒速假设的一体式避撞控制方法进行对比。仿真结果表明：所提方法能够充分发挥车辆的机动性能,解决现有一体式控制方法在 复杂环境中避撞失败的问题,并保证避撞过程稳定和轨迹平滑。     

Parallel Distributed Implementation of Truss Optimization on a Local Area Network

A two-level optimization method for the design of complex truss and parallel distributed implementation on a LAN is presented using parallel virtual machine (PVM) for Win 32 as message passing between PCs. The volumes of truss are minimized by decomposing the original optimization problem into a number of bar optimization problems executed concurrently and a coordinate optimization problem, subject to constraints on nodal displacements, and stresses, buckling and crippling of bars, etc. The system sensitivity analysis that derives the partial derivatives of displacements and stresses with respect to areas are also performed in parallel so as to shorten the analysis time. The convergence and the speedup performances as well as parallel computing efficiency of the method are investigated by the optimization examples of a 52-bar planar truss and a 3 126-bar three-diraensional truss. The results show that the ideal speedup is obtained in the cases of 2 PCs for the 3 126-bar space truss optimization, while no speedup is observed for the 52-bar truss. It is concluded that (1) the parallel distributed algorithm proposed is efficient on the PC-based LAN for the coarsegrained large optimization problem; (2) to get a high speedup, the problem granularity should match with the network granularity;and (3) the larger the problem size is, the higher the parallel efficiency is.     

优化蚁群算法在最短路径诱导中的应用

最短路径算法在许多应用领域和研究中起着十分重要的作用。现有文献对最短路径问题提出了大量的优化求解方法和算法,大部分研究仅针对固定权值网络,对权值随时间变化等时变情况考虑较少。在通信系统、智能交通系统等实际网络及应用领域中,随着时间的变化,边的权值往往也同时改变。因此,时变网络中最短路径求解问题的研究更具有实用意义。针对一般算法存在的缺陷,现提出三点优化,使算法既能避免陷入局部最优解,又能更快地收敛到全局最优解。     

Robust Predictive Control for Polytopic Uncertain Systems with Time-delay Subjected to Actuator Saturation

Robust predictive control algorithms were presented for polytopic uncertain linear discrete systems with time-delay subjected to actuator saturation. In the first algorithm, the parameter dependent state feedback model predictive control (MPC) law was obtained from minimizing the upper bound of the cost function subjected to several linear matrix inequality constraints. In order to reduce computation burden, a second robust MPC algorithm based on nominal performance cost was presented. The feasibility of the optimization problems guarantees that the algorithms are robustly stable. The simulation results verify the effectiveness of the proposed algorithms.     

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

ʵʩ�������ȵĽ�ͨ �źſ���ϵͳ���ź�Э�������о�

分布式交通信号控制系统拓扑结构的分布式特性使得网络的控制问题被划分成不同层次，路口的控制器优化单个交叉口，系统的协调要求每个路口的控制器同时还要考虑相邻路口控制器的配时方案、相邻上游交叉口车辆的离去特性、相邻下游交叉口车辆的到达特性。本文在综合考虑上下游交叉口信号配时、车辆排队和公交运行情况的基础上，提出了实时交通信号控制系统中实施公交优先的模型系统的框架，然后给出信号优化过程和计算最佳绿灯请求时间和信号协调方法。     

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

Implementation of dynamic matrix control on field programmable gate array

High performance computer is often required by model predictive control (MPC) systems due to the heavy online computation burden. To extend MPC to more application cases with low-cost computation facilities, the implementation of MPC controller on field programmable gate array (FPGA) system is studied. For the dynamic matrix control (DMC) algorithm, the main design idea and the implemental strategy of DMC controller are introduced based on a FPGA’s embedded system. The performance tests show that both the computation efficiency and the accuracy of the proposed controller can be satisfied due to the parallel computing capability of FPGA.     

信号控制四路环形交叉口多进口协同放行方法

针对传统信号控制四路环形交叉口环内车辆间相互干扰对交叉口延误的影响,本文提出 1种多进口协同放行的信号控制方法.首先,基于元胞传输模型建立能描述信号控制四路环形交叉口车流特征的动力学模型;并在此基础之上,以交叉口延误为优化目标、配时参数为目标变量建立信号优化模型,利用遗传算法进行优化,从而得到信号配时参数;最后,通过实例对模型的适用性进行分析.结果表明：四路环形交叉口进口道左直车道分流渠化后,环道车辆延误明显降低;与单进口轮流放行方式相比,本文提出的多进口协同放行控制方法能有效降低交叉口车辆延误.     

基于时间约束的Ad Hoc网格能量优化算法

为解决Ad Hoe网格资源调度中的能量优化问题,重点分析了Ad Hoc网格的特点以及资源调度中的能量消耗情况,将调度过程中的能量消耗分为通信消耗和本地计算消耗.综合考虑了能量消耗和任务完成时间两大因素,建立了一个基于时间约束的资源调度能量优化模型,并提出了一个能量优化算法E-sufferage.仿真实验表明,在任务完成时间约束下,算法能实现资源调度的能量消耗最优.     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

Semi-Active Predictive Control of Isolated Bridge Based on Magnetorheological Elastomer Bearing

Time-delay of magnetorheological elastomer bearing(MRB) can bring structural response menace to bridges. This paper investigates a bridge pier-bearing semi-active-coupling control method based on model predictive control(MPC). The presented strategy takes the structure prediction model to predict the state responses of the controlled plant in a period of future time. Then, the control law can be determined by solving a finite horizon optimization problem. The peak shearing force of pier top, the displacement and the acceleration of beam are chosen as control goals, and the vibration isolation rate is applied to characterize the vibration isolation effect.It is noted that MPC method naturally takes the time-delay and uncertain interference into consideration, and significantly improves the control performance of the system. Finally, the numerical example is described and the seismic response of isolated bridge based on MRB is analyzed. The simulation results show that predictive control can be used to control the time-delay of bridge system in different degrees. The best control performance is at0.4 s. Even if the time-delay reaches 2 s, it is still good. Therefore, the control method significantly reduces the adverse effects of time-delay on the system, and has a good vibration isolation performance.     

船舶编队控制综述

研究了船舶编队控制的特点,从船舶编队控制结构、编队路径规划、编队运动建模和编队运动控制4个方面分别对现状和方法进行分析;介绍了船舶编队控制原理,描述了船舶编队领导-跟随结构、虚拟结构、图论结构、基于行为结构的数学表示方法及应用场景;针对船舶编队路径规划,总结了编队环境建模、全局路径规划和局部避碰规划等最新方法及其特点,展示了基于粒子群优化算法的船舶编队局部避碰效果;针对船舶编队控制运动建模,构建了考虑干扰、控制时延和约束的船舶编队水动力模型,并将该模型在船舶编队过闸控制场景中进行了验证;针对船舶编队运动控制,归纳了典型集中式、分散式和分布式编队控制器特点,指出分布式编队控制器具有更好的鲁棒性和可扩展性,设计了基于分布式模型预测控制的编队航行控制器。研究结果表明:目前船舶编队控制技术瓶颈主要体现在有人/无人编队共融、岸端驾控为主的内河船舶编队控制、不确定干扰下的船舶编队控制、通信受限下船舶编队鲁棒控制、特殊水域船舶编队控制和船舶编队控制一致性等方面;在未来船舶编队发展中,应重点解决船舶编队分布式协同控制、船舶编队任务多元化控制、基于生物群体机制的船舶编队控制、特殊水域船舶编队控制、人工智能技术在船舶编队控制中的应用等问题。      

求解不确定车辆数车辆调度问题的混合算法

针对不确定车辆数的车辆调度问题,建立了使用配送车辆数最少和总行驶距离最短的双目标数学规划模型.在分层序列法思想的框架内,提出一种分两阶段求解的混合算法.基于改进的粒子群算法进行车辆的分配,获得完成任务集所使用的最少车辆数,把粒子群的优化方案转化为禁忌算法的初始解进行路径的优化,以使车队完成给定的配送任务集所花费的成本最少.通过实例求解结果对算法进行了总结分析.     

A Distributed Power Allocation Scheme in Green Cognitive Radio Ad Hoc Networks

For the realization of green communications in cognitive radio ad hoc networks(CRAHNs), selfadaptive and efficient power allocation for secondary users(SUs) is essential. With the distributed and timevarying network topology, it needs to consider how to optimize the throughput and power consuming, avoid the interference to primary users(PUs) and other SUs, and pay attention to the convergence and fairness of the algorithm. In this study, this problem is modeled as a constraint optimization problem. Each SU would adjust its power and corresponding strategy with the goal of maximizing its throughput. By studying the interactions between SUs in power allocation and strategy selection, we introduce best-response dynamics game theory and prove the existence of Nash equilibrium(NE) point for performance analysis. We further design a fully distributed algorithm to make the SUs formulate their strategy based on their utility functions, the strategy and number of neighbors in local area. Compared with the water-filling(WF) algorithm, the proposed scheme can significantly increase convergent speed and average throughput, and decrease the power consuming of SUs.