自适应控制论文

正文 1 自适应控制与城市交通管理 摘摘 要要 针对本学期所学自适应控制知识 在上网搜集资料和参考论文 的情况下 对自适应控制的学习做出了总结 针对当前城市交通信号控制 的发展趋势 并结合国内外相关研究的进展情况 对城市交通自适应控制方 法进行了总结和学习 1 引言引言 目前交通控制的发展已走过了 3 个时代 在美国第三代控制系统遭受 挫折时 自适应系统却取得了公认的成功 已在世界上许多城市安装和 使用 主要有英国运输和道路研究所 TRRI 研制的 SCOOT 系统 以澳 大利亚悉尼为背景开发的交通自适应协调系统 SCATS 以及日本的京三 系统等 由于与动态交通诱导系统 DRGS 先进公共交通系统 APTS 结合上的优势 自适应控制被认为实用性最强 是发展先进的交 通管理系统 ATMS 的最佳基础 自适应交通控制系统将是未来一个阶 段交通控制系统的发展方向 面向中国城市交通情况和TTS 功能需求 开 发研究新一代的实时自适应控制与管理系统 成为了我国城市交通控制系统 发展的必由之路 本文主要对基于自适应控制的城市交通控制的研究方法和研究成果进行 了总结 在阐述自适应控制在城市交通管理的基础上 对自适应的发展也进 行了简单归纳 2 自适应控制基础的学习自适应控制基础的学习 自适应控制系统在工作的过程中能不断地检测系统参数或运行指标 根据参数或运行指标的变化 改变控制参数或控制作用 使系统工作于最优 工作状态或接近于最优工作状态 自适应控制系统可分为三大类 模型参考 型自适控制系统 自校正控制系统 其他类型的自适应控制系统 正文 2 自适应控制系统主要由控制器 被控对象 自适应器及反馈控制回路和 自适应回路组成 与常规的反馈控制系统比较 自适应控制系统有三个显著 特点 控制器可调 增加了自适应回路 适用对象 因设计的原理和结构 的不同 自适应控制系统大致可分为如下几种主要形式 变增益控制 模型 参考自适应控制系统 自校正控制系统 1 变增益控制 结构和原理比较直观 调节器按被控系统的参数已知 变化规律进行设计 当参数因工作情况和环境等变化而变化时 通过能测 量到反映系统当前状态的系统变量 比照对系统的运行的要求 或性能指标 经过计算并按规定的程序来改变调节器的增益结构 这种系统虽然仅仅是对 增益的变化进行自适应调节 难以完全克服系统模型未知或模型参数变化带 来的影响以实现完善的自适应控制 但是由于系统结构简单 响应迅速 所以在许多实际系统中得到应用 这种系统的结构如图 1 所示 这种系统虽然仅仅是对增益的变化进行 自适应调节 难以完全克服系统模型未知或模型参数变化带来的影响以实现 完善的自适应控制 但是由于系统结构简单 响应迅速 所以在许多实际 系统中得到应用 当然 对于复杂的被控系统 仅仅进行增益的自适应是不 够的 因此 研究对更多的参数的变化以及结构的变化的自适应是理论和应 用发展的需要 2 模型参考自适应控制系统 MRAC 模型参考自适应控制系统 源于确定性伺服问题 它由两个环路所组成 内环由调节器与被控系统组成 可调系统 外环由参考模型与自适应机构组成 被控系统 变增益机构 调节器 图1 变增益自适应机构 正文 3 MRAC 的内 外环的调整过程同时影响整个系统的稳定性和性能 其稳 定性 稳定过程和鲁棒性是 MRAC 的重要研究内容 主要的研究工具为 Lyapunov 稳定性理论和 Popov 超稳定性理论 主要针对无随机扰动的参数 不确定对象系统 对象系统的数学模型可以是连续时间型或离散型 3 自校正控制系统 自校正控制系统又称为参数自适应系统 它源 于随机调节问题 该系统有两个环路 一个环路由参数可调的调节器和被 控系统所组成 称为内环 它类似于通常的反馈控制系统 另一个环路由递 推参数估计器与调节器参数计算环节所组成 称为外环 自校正控制系统与其它自适应控制系统的区别为其有一显性进行系统 识和控制器参数计算 或设计 的环节这一显著特征 自校正控制的思想是将 在线参数估计与调节器的设计有机的结合在一起 自适应控制常常兼有随机 性 非线性和时变等特征 内部机理也相当复杂 所以分析这类系统十分困难 目前 已被广泛研究的理论课题有稳定性 收敛性和鲁棒性等 但取得的成果 与人们所期望的还相差甚远 4 其他自适应控制 是在基于以上三种控制方式发展而来的 包括混 合自适应控制 对象具有未建模动态时的混合自适应控制 非线性控制的对 象的自适应控制 模糊自适应控制等 该类控制在城市交通管理当中也得 到了广泛应用 在本文中我们将陆续进行介绍 调节器参数 设计与计算 自适应机构 前馈调节器 反馈调节器 被控系统 参数估计 图2 自校正控制系统 参考模型 被控系统 自适应机构 前馈调节器 反馈调节器 图3 模型参考自适应控制 正文 4 3 自适应控制在城市交通管理中的应用自适应控制在城市交通管理中的应用 城市交通系统 通常具有很强的非线性 模糊性和不确定性 城市交 通信号控制自 1868 年英国伦敦首次使用燃汽式信号灯以来 已经经历了 一个多世纪的发展 随着计算机技术和其它信息技术的发展 交通控制技术 也得到相应的发展 经历了从单点控制到线控 再到面控 从定时控制到感 应控制 再到自适应控制 从无检测器到有检测器的发展过程 从控制原理 上来分 交通控制可以分为定时控制 感应控制和自适应控制 可以说 自 适应控制方式是较其它两种更为先进的控制方式 城市交通自适应控制是当前交通控制一个热点 因为 自适应控制是把 交通系统作为一个不确定系统 通过检测器获得交通信息 如车流量 速度 等 根据当前的交通状况 建立交通模型 实时调整信号控制参数 使得研 究领域内的某一指标最小 即逐渐了解和掌握对象 把它们与希望的动态特 性进行比较 利用差值得到相应的控制参数 从而保证不论交通环境如何变 化 都可使控制效果达到最优或次最优 3 1 随机混合自适应控制在交通信号控制中的应用随机混合自适应控制在交通信号控制中的应用 针对中国中小城市道路交通的特点及交通控制系统现状和未来发展的需 要 文献 8 将随机混合自适应控制应用于城市交通信号控制系统 改变传统 的城市交通控制系统 减少车辆的等待时间 改善交叉口通行能力 为优化 城市交通控制提供一 种参考方法 在设计自适应控制器时采用 了离散与连续相结合的方法 建立混合自适 应控制系统 该系统始终保持连续时间状态 但控制参数的估计和调整是离 散的 从适应对象而言 混合自适应控制有确定型的和随机型的 由于城市 交通的不确定性 采用随机混合自适应控制系统对城市交通信号系统进行控 制 这样即满足了交通控制的连续行 又满足了数字计算技术的离散性 使 系统满足了调整快速性和抗干扰性 对象模型为 正文 5 n nn m mm n nn cpcppC bpbpbpB apappA tpCtupBtypA 1 1 1 0 1 1 控制目标 设计一种随机混合自适应控制器用于交通控制系统 使所有 信号控制时间有界 且系统输出 y t 很好地跟踪参考输入信号 y t 目标函数 1 1 1 1 1 1 1 1 10 1 1 11 11 1 1 11 2 2 11 1 g u 1 n n n n n n n n qfqfqF qgqgqG qFqB tyqGtrqqck t J qcqcqCqC tuqtrqCktyqCEJ 其中 律为 最小推导出最优控制规由 可选择多项式其中 控制器结构为 连续时间随机 对象 连续时间可调 控制器 离散 时间 自适 应机 构 1 q 1 q 1 q 1 q 1 q 1 q u t y t 参考输入信号 t y 图 4 混合自适应控制系统结构 为实现全局优化控制的目的 所设计的自适应控制策略遵循全局最优 的原则 通过大量的对随机车辆数进行采样 根据所获得信息量离散的对 可调时间控制器进行校正 从而对交通信号进行控制 以达到全局优化调度 的日的 该系统与以精确的数学模型为基础的传统的城市交通控制系统相比 正文 6 可以有效地解决我国中小城市交通控制中存在的问题 有着良好的应用前景 3 2 神经网络自适应控制在城市交通中的应用神经网络自适应控制在城市交通中的应用 根据城市交叉口交通流的特点 文献 7 给出了一种交叉口多相位自适 应控制算法 综合考虑相邻车道上的车队长度 利用多层BP 神经网络实 现了道路交叉口多相位模糊控制 仿真结果表明 文中所设计的模糊神经网 络控制器能有效地减少单交 岔口平均车辆延误 具有较强的学习和泛化能力 是实现交通系统智能控制的一条新途径 1 该控制算法描述为 步骤 l 从 相位开始 分别指定各相位的最短绿灯时间 和最大绿i min t 灯时间 maxi t 步骤 2 先给该相位以最短绿灯时间 min ttt 步骤 3 测得放行车道的车队长度 设其为 i l 步骤 4 若为 0 v v 为排队长度下限 且大于某一给定 i l i l 1ii tll 值 0 或累积绿灯时 间 则将绿灯转到下一相位 回到步骤e maxii tt 1 否则继续 步骤 5 根据及值的大小来确定绿灯延 长时间 这可以根据交 i l i l t 警的经验及交叉口的几何形状建立模糊控制规则 设延长的绿灯时间为 t 若 则 否则 回到步骤 3 maxii ttt maxii ttt ii ttt 2 模糊控制器设计 1 两检测器之间的车辆数 队长之差为 绿灯追加时间的模糊lQt 化 模糊变量论域为 取 7 个语言值 l 1 3 5 7 9 11 13 15 17 1 l 很少 模糊变量论域2 l 少 3 l 较少4 l一些5 l 较多6 l 多7 l很多Q 为 取 5 个语言值 9 6 3 0 3 6 9 1 Q 负大 2 Q 负小 3 Q 零 正文 7 绿灯追加时间也被看作模糊变量 其论域 4 Q 正小 5 Q 正大t 36 9 12 15 18 21 24 27 取 7 个语言值 1 t 很少2 t少3 t 较少4 t适中5 t 多6 t较多 7 t很多 2 模糊条件语句构成 if is and is then is l alQ b Qt ct 1 2 7 1 2 5a cb 3 模糊判决 去模糊化 文中采用的模糊判决为最大隶属度原则法 3 模糊控制器的 BP 神经网络实现 模糊模型可以用三个 BP 误差反传 神经网络来实现 如图 5 所示 神 经网络 I 分别用于生成和 的隶属函数 神经网络 用于产生绿灯追加lt 时间输出 神经网络采用典型神经元 其输入 输出关系为sigmoid 函数 即 1 1 s i i V e Sx 式中 为神经元的输出 为神经元的输入 为的权系数 V i x i i x 为阈值 神经网络示意图为 正文 8 第一部分第二部分 图 5 模糊神经网络控制器结构示 意图 神经神经 网络网络 II 神经神经 网络网络 III G Q J 神经神经 网络网络 I 4 算法实现 对于输入样本 层单元节点的输人为 Lj 1 1 q LLLL jjiij i nkOkk 单元节点的输出 j 1 1 1 exp L j L j Ok nk 权值的修正量 L ij k 1 1 LLL ijjiij kk Okk 阈值的修正量 L j k 1 LL jjj kkk 该方法针对交通系统难以用数学模型准确建模 进而实施优化控制的特 点 提出了一种神经网络模糊控制方法 神经网路控制与模糊控制有效的结 合起来构成的神经网路模糊控制具有较强的实用性 不但不需要被控对象精 确的数学模型 而且可以对前提隶属函数和控制规则进行在线学习调整 不 断提高自身的适应性 特别适合于系统结构异常复杂 非线性 大时滞 干 扰大的交通系统 为实现交通系统智能化开辟了一条新途径 正文 9 3 3 应用于城市交通的其他自适应控制应用于城市交通的其他自适应控制 文献 5 给出了一种基于改进免疫算法的城市区域交通自适应协调控制方 法 采用两层的递阶分布式结构 分阶段和分级优化控制参数 周期 相位 差和绿信比 每个阶段长 5 30 分钟 周期 相位差由区域控制级每个阶 段优化一次 绿信比由路口控制级每个周期优化一次 采用最小化平均延误 时间或平均停车次数等为性能指标 周期 相位差和绿信比均采用改进的免 疫遗传算法进行优化 每周期的平均车辆 到达率 辆 1 S 车辆延误时间 s 1 辆 文献 7 方法 本文方法 0 26 0 10 0 22 0 10 0 16 0 17 0 15 0 15 0 08 0 06 7 24 9 28 7 10 6 61 3 31 2 98 3 02 2 85 3 10 3 21 6 93 7 03 3 40 3 65 2 92 2 86 2 54 2 88 3 10 3 21 通过仿真结果我们可知 该方法能够有效的 减少车辆的平均延误时间 车辆平均停车次数等性能指标均显著优于定时控制 具有良好的控制效果 针对于传统定时交通控制 文献 13 提出了一种基于模糊控制的以微型 控制器 89C551 为核心的交通控制器 实现了根据当前车辆通行情况动态调 整下次通行时间 是系统控制自动适应当前通行情况 提高了路口交通资源 利用率 正文 10 通行状态接收电器 微型控制器 89C52 数字显示电路 电源 交通灯显示电路 图 6 交通灯控制硬件结构 在跟随交通控制方式进步的同时 文献 6 提出了一种基于自适应控制 的路面检测技术 文中将神经网络与常规的 PID 控制相结合 设计出一套 神经网络自适应系统 并对 C 级路面不平度进行 了仿真再现 学习算法 神 经网络 调节器 控制 对象de dt I K p K D K 输入 r 误差 e 输出 y u 图 7 基于 算法的神经网络 控制 器 仿真结果表明 该控制器比常规 PID 控制器具有更高的控制精度和更 好的动态性能 在道路模拟仿真试验中可以达到非常满意的效果 4 总结总结 通过以上论文的研究工作 可以得出 城市交通信号控制的协调和优化 可以从以下三个方面入手 将城市路网划分成若干个合理的信号控制子区 正文 11 对城市路网中孤立的信号控制路口采用单点自适应信号控制 以及对信号控 制子区内的路口采用区域协调信号控制 另外 将智能控制引入自适应控 制中 不仅扩展了自适应控制的范围 也为智能控制的实用化提供了一条有 效的途径 目前智能自适应控制技术的主要种类有模糊自适应控制 神经网 络自适应控制 遗传自适应控制 但目前 不论从控制的理论分析方面 还是其实用化方面都存在一些困 难 主要有 1 知识的获取与表达 2 如何进行必要的先验知识的选择及 选择方法 3 如何从理论上分析智能自适应控制系统的收敛性 系统的稳定 性以及建立控制性的综合评判原则 4 如何提高智能控制算法 如神经网络 算法等 的快速性和收敛性 以满足实时性要求 5 如何利用不