CN113126500A - 一种交通系统的非脆弱同步控制方法及装置 - Google Patents
一种交通系统的非脆弱同步控制方法及装置 Download PDFInfo
- Publication number
- CN113126500A CN113126500A CN202110423849.XA CN202110423849A CN113126500A CN 113126500 A CN113126500 A CN 113126500A CN 202110423849 A CN202110423849 A CN 202110423849A CN 113126500 A CN113126500 A CN 113126500A
- Authority
- CN
- China
- Prior art keywords
- traffic
- fragile
- synchronous
- error
- drive control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通系统的非脆弱同步控制方法及装置,所述方法包括:考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;设计数字交通指挥驱动控制系统;基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;调整非脆弱同步控制器的参数使得闭环误差系统稳定;本发明的优点在于:考虑到控制输入受饱和因素限制和控制器增益存在摄动的情形,适用实际交通系统。
Description
技术领域
本发明涉及人工智能及控制领域,更具体涉及一种交通系统的非脆弱同步控制方法及装置。
背景技术
交通拥堵是当今大多数城市面临的重要问题,尤其早晚高峰时段,商场、学校、火车站附近车流量大,且极易发生交通事故,进一步加重车辆的堵塞。随着智能控制理论和数字孪生技术的兴起,同步化控制技术在工业生产、远程作业以及军事行动等诸多领域得到广泛的应用。构建数字孪生交通指挥控制系统,使用数字系统指挥实际交通系统的同步控制技术在现代交通系统的运行控制中发挥着愈发重要的作用,如何以数字孪生交通指挥控制系统为驱动系统,对实际交通系统进行有效的同步控制是当前研究的热点。
在很多实际情况中,例如数字设备字长有限,或者数模-模数转换的内在不精确性等,同步控制器的增益经常存在参数摄动。另外,控制输入不可避免地受到饱和因素制约,比如,城市道路交通法对车速有最高上限的限制、某条道路的行车道数目都决定了该道路在单位时间内允许通行的车辆数目是有上限的。因此,在考虑控制器增益摄动以及饱和因素制约情形下,对智慧交通系统进行抗饱和非脆弱同步控制的研究对保证控制任务的顺利完成具有重要的现实意义。
中国专利公开号CN110400471A,公开了一种智慧道路交通信号控制系统,包括:交通信号机、车流量检测装置、中心平台服务器、中心消息服务器和中心客户端;交通信号机和车流量检测装置分别与中心平台服务器连接,中心消息服务器与中心平台服务器连接,中心客户端分别与中心平台服务器和中心消息服务器连接,优化了交通管制,避免出现交通拥挤情况的发生,可自动调整下一个周期的控制方案、最大绿灯时间及最小绿灯时间等,从而减少空放提高道路通行率。进一步地,可使中心客户端的工作人员进行有效地参考,实时的了解路口的交通管制情况。提高了用户的体验感。但是该专利申请仅提出一种交通信号控制系统的结构,没有给出具体的道路交通系统的控制方法,也没有提出针对突发事故或因早晚高峰等情况引起拥堵等情形的控制算法。
中国专利公开号CN110400471A,公开了一种城市交通系统安全运行的控制方法。该发明通过数据采集、建模、优化等手段,确立了一种城市安全运行的控制方法,解决城市道路上车辆过多、交通拥堵和事故等一系列问题。通过设计李雅普诺夫函数来设计状态反馈控制器,以保证系统在稳定的前提下具有良好的控制效果。但是该专利申请没有考虑到控制输入受饱和因素限制和控制器增益存在摄动的情形,而这种情形是符合实际情况的,当交通系统的道路承载能力达到上限或由于数模-模数转换引入不可避免的误差时,该方法不再适用,另外该专利申请所提出的控制器设计方法较为复杂。
发明内容
本发明所要解决的技术问题在于现有技术交通系统控制方法没有考虑到控制输入受饱和因素限制和控制器增益存在摄动的情形,导致控制方法并不适用实际交通系统。
本发明通过以下技术手段实现解决上述技术问题的:一种交通系统的非脆弱同步控制方法,所述方法包括:
步骤一:考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;
步骤二:设计数字交通指挥驱动控制系统;
步骤三:基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;
步骤四:设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;
步骤五:调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。
本发明以数字交通指挥驱动控制系统为驱动系统,以实际交通系统为响应系统,针对交通系统设计了非脆弱同步控制器,且该非脆弱同步控制器具有抗饱和特性,提升了交通系统的流畅运行性和抗突发事故的能力,考虑控制器增益存在摄动的情形,调整非脆弱同步控制器的参数使得闭环误差系统稳定,实现实际交通系统与数字交通指挥驱动控制系统的同步化,有效地扩大了本发明的适用范围,适用实际交通系统。
进一步地,所述步骤一包括:
建立实际交通系统的Markov随机切换系统状态空间模型,其中,xre(t)表示实际交通系统的车辆数目,且表示实际交通系统中第nx条道路的车辆数目,()T表示转置符号;为nw维时变非线性向量函数,表示影响道路的通畅性的突发事故或外部扰动;A(r(t))为系统状态矩阵;D(r(t))为干扰输入矩阵;r(t)表示连续时间离散状态的Markov随机切换模态,其在有限集合内取值,N是大于1的正整数。
更进一步地,所述步骤二包括:
建立数字交通指挥驱动控制系统,其中,x(t)表示数字交通指挥驱动控制系统的车辆数目且表示数字交通指挥驱动控制系统中第nx条道路的车辆数目,为nu维的控制输入;B(r(t))为控制输入矩阵,sat(u(t))为饱和函数且
sat(u(l)(t))=sgn(u(l)(t))min{|u(l)(t)|,u0(l)},l∈{1,2,...,nu},
其中,u0(l)表示第l维度上的控制输入的最大幅值,u(l)(t)表示t时刻第l维度上的控制输入。
更进一步地,所述步骤三包括:
通过公式e(t)=x(t)-xre(t)获得同步误差向量;
考虑同步误差向量,基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出z(t)=L(r(t))e(t),得到误差动态系统
其中,L(r(t))为量测输出系数矩阵;
于是误差动态系统改写为:
更进一步地,所述步骤四包括:
对误差动态系统设计如下非脆弱同步控制器:
u(t)=(Ki+ΔKi)e(t)
其中,Ki是第i个模态下的待定的控制器增益,ΔKi是第i个模态下的附加的控制器增益摄动,且满足下述范数有界的条件:
ΔKi=EiΔi(t)Fi
对于饱和函数,使用反缠绕技术并引入下述死区函数:
φ(s)=s-sat(s)
其中,s为死区函数的自变量;
将u(l)(t)代入死区函数公式得到饱和特性
基于非脆弱同步控制器与误差动态系统,并考虑饱和特性,可得闭环误差系统为:
更进一步地,所述步骤五包括:
调整第i个模态下的待定的控制器增益,利用随机切换Lyapunov函数证明闭环误差系统随机稳定且具备鲁棒干扰抑制性能指标,将使得闭环误差系统随机稳定且具备鲁棒干扰抑制性能的第i个模态下的待定的控制器增益作为最优增益代入非脆弱同步控制器,得到更新的非脆弱同步控制器和最优鲁棒干扰抑制性能指标,将更新的非脆弱同步控制器应用于数字交通指挥驱动控制系统得到优化的数字交通指挥驱动控制系统,利用优化的数字交通指挥驱动控制系统进行交通控制,实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化;
其中,鲁棒干扰抑制性能指标的公式为
本发明还提供一种交通系统的非脆弱同步控制装置,所述装置包括:
交通系统模型建立模块,用于考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;
驱动控制系统建立模块,用于设计数字交通指挥驱动控制系统;
误差动态系统建立模块,用于基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;
闭环误差系统建立模块,用于设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;
同步模块,用于调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。
进一步地,所述交通系统模型建立模块还用于:
建立实际交通系统的Markov随机切换系统状态空间模型,其中,xre(t)表示实际交通系统的车辆数目,且表示实际交通系统中第nx条道路的车辆数目,()T表示转置符号;为nw维时变非线性向量函数,表示影响道路的通畅性的突发事故或外部扰动;A(r(t))为系统状态矩阵;D(r(t))为干扰输入矩阵;r(t)表示连续时间离散状态的Markov随机切换模态,其在有限集合内取值,N是大于1的正整数。
更进一步地,所述驱动控制系统建立模块还用于:
建立数字交通指挥驱动控制系统,其中,其中,x(t)表示数字交通指挥驱动控制系统的车辆数目且表示数字交通指挥驱动控制系统中第nx条道路的车辆数目,为nu维的控制输入;B(r(t))为控制输入矩阵,sat(u(t))为饱和函数且
sat(u(l)(t))=sgn(u(l)(t))min{|u(l)(t)|,u0(l)},l∈{1,2,...,nu},
其中,u0(l)表示第l维度上的控制输入的最大幅值,u(l)(t)表示t时刻第l维度上的控制输入。
更进一步地,所述误差动态系统建立模块还用于:
通过公式e(t)=x(t)-xre(t)获得同步误差向量;
考虑同步误差向量,基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出z(t)=L(r(t))e(t),得到误差动态系统
其中,L(r(t))为量测输出系数矩阵;
于是误差动态系统改写为:
更进一步地,所述闭环误差系统建立模块还用于:
对误差动态系统设计如下非脆弱同步控制器:
u(t)=(Ki+ΔKi)e(t)
其中,Ki是第i个模态下的待定的控制器增益,ΔKi是第i个模态下的附加的控制器增益摄动,且满足下述范数有界的条件:
ΔKi=EiΔi(t)Fi
对于饱和函数,使用反缠绕技术并引入下述死区函数:
φ(s)=s-sat(s)
其中,s为死区函数的自变量;
将u(l)(t)代入死区函数公式得到饱和特性
基于非脆弱同步控制器与误差动态系统,并考虑饱和特性,可得闭环误差系统为:
更进一步地,所述同步模块还用于:
调整第i个模态下的待定的控制器增益,利用随机切换Lyapunov函数证明闭环误差系统随机稳定且具备鲁棒干扰抑制性能指标,将使得闭环误差系统随机稳定且具备鲁棒干扰抑制性能的第i个模态下的待定的控制器增益作为最优增益代入非脆弱同步控制器,得到更新的非脆弱同步控制器和最优鲁棒干扰抑制性能指标,将更新的非脆弱同步控制器应用于数字交通指挥驱动控制系统得到优化的数字交通指挥驱动控制系统,利用优化的数字交通指挥驱动控制系统进行交通控制,实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化;
其中,鲁棒干扰抑制性能指标的公式为
本发明的优点在于:本发明以数字交通指挥驱动控制系统为驱动系统,以实际交通系统为响应系统,针对交通系统设计了非脆弱同步控制器,且该非脆弱同步控制器具有抗饱和特性,提升了交通系统的流畅运行性和抗突发事故的能力,考虑控制器增益存在摄动的情形,调整非脆弱同步控制器的参数使得闭环误差系统稳定,实现实际交通系统与数字交通指挥驱动控制系统的同步化,有效地扩大了本发明的适用范围,适用实际交通系统。
附图说明
图1为本发明实施例所公开的一种交通系统的非脆弱同步控制方法的流程图;
图2为本发明实施例所公开的一种交通系统的非脆弱同步控制方法中实际交通系统示意图
图3为本发明实施例所公开的一种交通系统的非脆弱同步控制方法中饱和函数的饱和特性示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,一种交通系统的非脆弱同步控制方法,所述方法包括:
步骤S1:考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;现有交通系统也即实际交通系统示意图如图2所示,具体过程为:
建立实际交通系统的Markov随机切换系统状态空间模型,其中,xre(t)表示实际交通系统的车辆数目,且表示实际交通系统中第nx条道路的车辆数目,()T表示转置符号;为nw维时变非线性向量函数,表示影响道路的通畅性的突发事故或外部扰动;A(r(t))为系统状态矩阵;D(r(t))为干扰输入矩阵;r(t)表示连续时间离散状态的Markov随机切换模态,其在有限集合内取值,N是大于1的正整数。
Markov随机切换模态r(t)的转移概率为:
步骤S2:设计数字交通指挥驱动控制系统;具体过程为:
建立数字交通指挥驱动控制系统,其中,x(t)表示数字交通指挥驱动控制系统的车辆数目且表示数字交通指挥驱动控制系统中第nx条道路的车辆数目,为nu维的控制输入;B(r(t))为控制输入矩阵,sat(u(t))为饱和函数且
sat(u(l)(t))=sgn(u(l)(t))min{|u(l)(t)|,u0(l)},l∈{1,2,...,nu}, (4)
其中,u0(l)表示第l维度上的控制输入的最大幅值,u(l)(t)表示t时刻第l维度上的控制输入。饱和函数的饱和特性示意图如图3所示。
对于饱和函数,使用反缠绕技术并引入下述死区函数:
φ(s)=s-sat(s) (5)
其中,s为死区函数的自变量;
将u(l)(t)代入死区函数公式得到饱和特性
饱和特性在后续闭环误差系统中会用到,因此在这里先将饱和特性算出来以备后用。
步骤S3:基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;具体过程为:
通过公式e(t)=x(t)-xre(t)获得同步误差向量,其中,xre(t)表示实际交通系统的车辆数目;
考虑同步误差向量,基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出z(t)=L(r(t))e(t),得到误差动态系统
其中,L(r(t))为量测输出系数矩阵;
于是误差动态系统改写为:
步骤S4:设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;具体过程为:
对误差动态系统设计如下非脆弱同步控制器:
u(t)=(Ki+ΔKi)e(t) (10)
其中,Ki是第i个模态下的待定的控制器增益,ΔKi是第i个模态下的附加的控制器增益摄动,且满足下述范数有界的条件:
ΔKi=EiΔi(t)Fi (11)
基于非脆弱同步控制器与误差动态系统,并考虑饱和特性,可得闭环误差系统为:
步骤S5:调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。主要过程为:调整第i个模态下的待定的控制器增益,利用随机切换Lyapunov函数证明闭环误差系统随机稳定且具备鲁棒干扰抑制性能指标,将使得闭环误差系统随机稳定且具备鲁棒干扰抑制性能的第i个模态下的待定的控制器增益作为最优增益代入非脆弱同步控制器,得到更新的非脆弱同步控制器和最优鲁棒干扰抑制性能指标,将更新的非脆弱同步控制器应用于数字交通指挥驱动控制系统得到优化的数字交通指挥驱动控制系统,利用优化的数字交通指挥驱动控制系统进行交通控制,实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化;
其中,鲁棒干扰抑制性能指标的公式为
以下详细介绍利用随机切换Lyapunov函数证明闭环误差系统稳定的过程:
首先定义下述多面体集合:
φT[(Ki+ΔKi)e(t)]W{φ[(Ki+ΔKi)e(t)]-Gie(t)}≤0. (15)
式(15)的证明如下:
在这里分情况证明,
情况1.-u0(l)≤(Ki(l)+ΔKi(l))e(t)≤u0(l)
显然,φ[(Ki(l)+ΔKi(l))e(t)]=0,所以式(15)成立;
情况2.(Ki(l)+ΔKi(l))e(t)>u0(l)
此时,φ[(Ki(l)+ΔKi(l))e(t)]=(Ki(l)+ΔKi(l))e(t)-u0(l)。若e(t)∈Φ,则有φ[(Ki(l)+ΔKi(l))e(t)]-Gi(l)e(t)=(Ki(l)+ΔKi(l))e(t)-u0(l)-Gi(l)e(t)≤0。又因(Ki(l)+ΔKi(l))e(t)>0,则式(15)成立。
情况3.-u0(l)≤(Ki(l)+ΔKi(l))e(t)
情况3的证明过程与情况2类似,此处不再赘述。
其中,*代表矩阵中对称项。
使用矩阵三角不等式处理式(17)中的控制器增益参数不确定性,若下式成立,则式(17)成立,
选择如下的随机切换Lyapunov函数:
V(t,e(t),r(t))=eT(t)P(r(t))e(t) (19)
使用式(15)刻画的扇形条件,有,
其中,Sym表示对称加和运算符号,比如(Sym={XT+X},X是任意一个矩阵)。
注意到式(24)中存在非线性矩阵项以及非脆弱控制器的不确定性增益矩阵与Lyapunov矩阵的乘积项ΔKiXi,为在凸优化框架下给出控制器增益的求解步骤以及参数化计算方法,基于式(24)和Schur补引理,有
其中,
因此,闭环误差系统(12)具备随机意义下的稳定性,即响应交通系统(实际交通系统)与驱动交通系统(数字交通指挥驱动控制系统)最终的动态特性趋于一致,且在外部随机事故存在时,具有对突发事故的干扰抑制性能γ,且抗饱和非脆弱同步控制器增益可由下式参数化求解:
通过以上技术方案,本发明以数字交通指挥驱动控制系统为驱动系统,以实际交通系统为响应系统,针对交通系统设计了非脆弱同步控制器,且该非脆弱同步控制器具有抗饱和特性,提升了交通系统的流畅运行性和抗突发事故的能力,考虑控制器增益存在摄动的情形,调整非脆弱同步控制器的参数使得闭环误差系统稳定,实现实际交通系统与数字交通指挥驱动控制系统的同步化,有效地扩大了本发明的适用范围,适用实际交通系统。
实施例2
与本发明实施例1相对应的,本发明实施例2还提供一种交通系统的非脆弱同步控制装置,所述装置包括:
交通系统模型建立模块,用于考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;
驱动控制系统建立模块,用于设计数字交通指挥驱动控制系统;
误差动态系统建立模块,用于基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;
闭环误差系统建立模块,用于设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;
同步模块,用于调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。
具体的,所述交通系统模型建立模块还用于:
建立实际交通系统的Markov随机切换系统状态空间模型,其中,xre(t)表示实际交通系统的车辆数目,且表示实际交通系统中第nx条道路的车辆数目,()T表示转置符号;为nw维时变非线性向量函数,表示影响道路的通畅性的突发事故或外部扰动;A(r(t))为系统状态矩阵;D(r(t))为干扰输入矩阵;r(t)表示连续时间离散状态的Markov随机切换模态,其在有限集合内取值,N是大于1的正整数。
更具体的,所述驱动控制系统建立模块还用于:
建立数字交通指挥驱动控制系统,其中,其中,x(t)表示数字交通指挥驱动控制系统的车辆数目且表示数字交通指挥驱动控制系统中第nx条道路的车辆数目,为nu维的控制输入;B(r(t))为控制输入矩阵,sat(u(t))为饱和函数且
sat(u(l)(t))=sgn(u(l)(t))min{|u(l)(t)|,u0(l)},l∈{1,2,...,nu}, (4)
其中,u0(l)表示第l维度上的控制输入的最大幅值,u(l)(t)表示t时刻第l维度上的控制输入。
更具体的,所述误差动态系统建立模块还用于:
通过公式e(t)=x(t)-xre(t)获得同步误差向量;
考虑同步误差向量,基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出z(t)=L(r(t))e(t),得到误差动态系统
其中,L(r(t))为量测输出系数矩阵;
于是误差动态系统改写为:
更具体的,所述闭环误差系统建立模块还用于:
对误差动态系统设计如下非脆弱同步控制器:
u(t)=(Ki+ΔKi)e(t) (10)
其中,Ki是第i个模态下的待定的控制器增益,ΔKi是第i个模态下的附加的控制器增益摄动,且满足下述范数有界的条件:
ΔKi=EiΔi(t)Fi (11)
对于饱和函数,使用反缠绕技术并引入下述死区函数:
φ(s)=s-sat(s) (5)
其中,s为死区函数的自变量;
将u(l)(t)代入死区函数公式得到饱和特性
基于非脆弱同步控制器与误差动态系统,并考虑饱和特性,可得闭环误差系统为:
更具体的,所述同步模块还用于:
调整第i个模态下的待定的控制器增益,利用随机切换Lyapunov函数证明闭环误差系统随机稳定且具备鲁棒干扰抑制性能指标,将使得闭环误差系统随机稳定且具备鲁棒干扰抑制性能的第i个模态下的待定的控制器增益作为最优增益代入非脆弱同步控制器,得到更新的非脆弱同步控制器和最优鲁棒干扰抑制性能指标,将更新的非脆弱同步控制器应用于数字交通指挥驱动控制系统得到优化的数字交通指挥驱动控制系统,利用优化的数字交通指挥驱动控制系统进行交通控制,实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化;
其中,鲁棒干扰抑制性能指标的公式为
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种交通系统的非脆弱同步控制方法,其特征在于,所述方法包括:
步骤一:考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;
步骤二:设计数字交通指挥驱动控制系统;
步骤三:基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;
步骤四:设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;
步骤五:调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。
5.根据权利要求4所述的一种交通系统的非脆弱同步控制方法,其特征在于,所述步骤四包括:
对误差动态系统设计如下非脆弱同步控制器:
u(t)=(Ki+ΔKi)e(t)
其中,Ki是第i个模态下的待定的控制器增益,ΔKi是第i个模态下的附加的控制器增益摄动,且满足下述范数有界的条件:
ΔKi=EiΔi(t)Fi
对于饱和函数,使用反缠绕技术并引入下述死区函数:
φ(s)=s-sat(s)
其中,s为死区函数的自变量;
将u(l)(t)代入死区函数公式得到饱和特性
基于非脆弱同步控制器与误差动态系统,并考虑饱和特性,可得闭环误差系统为:
6.根据权利要求5所述的一种交通系统的非脆弱同步控制方法,其特征在于,所述步骤五包括:
调整第i个模态下的待定的控制器增益,利用随机切换Lyapunov函数证明闭环误差系统随机稳定且具备鲁棒干扰抑制性能指标,将使得闭环误差系统随机稳定且具备鲁棒干扰抑制性能的第i个模态下的待定的控制器增益作为最优增益代入非脆弱同步控制器,得到更新的非脆弱同步控制器和最优鲁棒干扰抑制性能指标,将更新的非脆弱同步控制器应用于数字交通指挥驱动控制系统得到优化的数字交通指挥驱动控制系统,利用优化的数字交通指挥驱动控制系统进行交通控制,实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化;
其中,鲁棒干扰抑制性能指标的公式为
7.一种交通系统的非脆弱同步控制装置,其特征在于,所述装置包括:
交通系统模型建立模块,用于考虑突发事故情形,根据现有交通系统的路况信息基于随机理论建立实际交通系统的Markov随机切换系统状态空间模型;
驱动控制系统建立模块,用于设计数字交通指挥驱动控制系统;
误差动态系统建立模块,用于基于实际交通系统的Markov随机切换系统状态空间模型以及数字交通指挥驱动控制系统并引入用于评估系统抵抗突发事故能力的量测输出,得到误差动态系统;
闭环误差系统建立模块,用于设计非脆弱同步控制器,基于非脆弱同步控制器以及误差动态系统并考虑饱和特性,得到闭环误差系统;
同步模块,用于调整非脆弱同步控制器的参数使得闭环误差系统稳定,从而实现实际交通系统的Markov随机切换系统状态空间模型与数字交通指挥驱动控制系统的同步化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423849.XA CN113126500B (zh) | 2021-04-20 | 2021-04-20 | 一种交通系统的非脆弱同步控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423849.XA CN113126500B (zh) | 2021-04-20 | 2021-04-20 | 一种交通系统的非脆弱同步控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126500A true CN113126500A (zh) | 2021-07-16 |
CN113126500B CN113126500B (zh) | 2022-06-07 |
Family
ID=76777944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110423849.XA Active CN113126500B (zh) | 2021-04-20 | 2021-04-20 | 一种交通系统的非脆弱同步控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126500B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664089A (zh) * | 2022-04-06 | 2022-06-24 | 杭州电子科技大学 | 一种城市道路交通系统车流量的pi控制方法 |
CN115953893A (zh) * | 2022-11-30 | 2023-04-11 | 东南大学 | 一种异质交通环境下高速公路车流稳定性分析方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3015768A (en) * | 1959-01-14 | 1962-01-02 | Bailey Meter Co | Positioning motor control system |
US20090322561A1 (en) * | 2008-06-04 | 2009-12-31 | Roads And Traffic Authority Of New South Wales | Traffic signals control system |
US20140375475A1 (en) * | 2012-01-10 | 2014-12-25 | Massachusetts Institute Of Technology | Traffic signal control method and traffic signal controller |
CN106384184A (zh) * | 2016-08-24 | 2017-02-08 | 武汉理工大学 | 一种基于柔性工程的水上交通应急能力评估方法 |
CN106529479A (zh) * | 2016-11-11 | 2017-03-22 | 江南大学 | 一种非线性网络化控制系统的非脆弱耗散滤波方法 |
CN106935033A (zh) * | 2017-04-28 | 2017-07-07 | 青岛科技大学 | 快速路交通系统的迭代动态线性化及自学习控制方法 |
CN109410361A (zh) * | 2018-11-02 | 2019-03-01 | 华东理工大学 | 一种基于马尔科夫跳变的事件触发状态估计系统 |
CN110400471A (zh) * | 2019-07-24 | 2019-11-01 | 杭州电子科技大学 | 一种城市交通系统安全运行的控制方法 |
CN110888320A (zh) * | 2019-09-09 | 2020-03-17 | 南京理工大学 | 基于双电动缸同步运动误差建模的自适应鲁棒控制方法 |
CN112289044A (zh) * | 2020-11-02 | 2021-01-29 | 南京信息工程大学 | 基于深度强化学习的高速公路道路协同控制系统及方法 |
CN112415898A (zh) * | 2020-12-02 | 2021-02-26 | 南京理工大学 | 一种带非线性的广义时滞马尔科夫跳变系统的控制方法 |
-
2021
- 2021-04-20 CN CN202110423849.XA patent/CN113126500B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3015768A (en) * | 1959-01-14 | 1962-01-02 | Bailey Meter Co | Positioning motor control system |
US20090322561A1 (en) * | 2008-06-04 | 2009-12-31 | Roads And Traffic Authority Of New South Wales | Traffic signals control system |
US20140375475A1 (en) * | 2012-01-10 | 2014-12-25 | Massachusetts Institute Of Technology | Traffic signal control method and traffic signal controller |
CN106384184A (zh) * | 2016-08-24 | 2017-02-08 | 武汉理工大学 | 一种基于柔性工程的水上交通应急能力评估方法 |
CN106529479A (zh) * | 2016-11-11 | 2017-03-22 | 江南大学 | 一种非线性网络化控制系统的非脆弱耗散滤波方法 |
CN106935033A (zh) * | 2017-04-28 | 2017-07-07 | 青岛科技大学 | 快速路交通系统的迭代动态线性化及自学习控制方法 |
CN109410361A (zh) * | 2018-11-02 | 2019-03-01 | 华东理工大学 | 一种基于马尔科夫跳变的事件触发状态估计系统 |
CN110400471A (zh) * | 2019-07-24 | 2019-11-01 | 杭州电子科技大学 | 一种城市交通系统安全运行的控制方法 |
CN110888320A (zh) * | 2019-09-09 | 2020-03-17 | 南京理工大学 | 基于双电动缸同步运动误差建模的自适应鲁棒控制方法 |
CN112289044A (zh) * | 2020-11-02 | 2021-01-29 | 南京信息工程大学 | 基于深度强化学习的高速公路道路协同控制系统及方法 |
CN112415898A (zh) * | 2020-12-02 | 2021-02-26 | 南京理工大学 | 一种带非线性的广义时滞马尔科夫跳变系统的控制方法 |
Non-Patent Citations (7)
Title |
---|
DIETMAR BRUCKNER: "Hidden Markov Models for Traffic Observation", 《2007 5TH IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL INFORMATICS》 * |
EL JOUBARI OUMAIMA等: "Continuous Time Markov Chain Traffic Model for Urban Environments", 《 2020 IEEE GLOBAL COMMUNICATIONS CONFERENCE》 * |
MOSTAFA REISI GAHROOEI AND DANIEL B. WORK: "Inferring Traffic Signal Phases From Turning Movement Counters Using Hidden Markov Models", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
ZHENJIANG LI, FENG HE, QINGMING YAO AND FEI-YUE WANG: "Signal Controller Design for Agent-Based Traffic Control System", 《2007 IEEE INTERNATIONAL CONFERENCE ON NETWORKING, SENSING AND CONTROL》 * |
张会珍等: "奇异分数阶复杂动态网络的鲁棒同步: LMI法", 《吉林大学学报(信息科学版)》 * |
李俊民等: "时变复杂动态网络非脆弱同步算法", 《西安电子科技大学学报(自然科学版)》 * |
王有刚: "具有参数不确定的间断分数阶神经网络的同步研究", 《数学的实践与认识》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664089A (zh) * | 2022-04-06 | 2022-06-24 | 杭州电子科技大学 | 一种城市道路交通系统车流量的pi控制方法 |
CN115953893A (zh) * | 2022-11-30 | 2023-04-11 | 东南大学 | 一种异质交通环境下高速公路车流稳定性分析方法 |
CN115953893B (zh) * | 2022-11-30 | 2024-01-30 | 东南大学 | 一种异质交通环境下高速公路车流稳定性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113126500B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Adaptive fuzzy event-triggered control for stochastic nonlinear systems with full state constraints and actuator faults | |
Li et al. | Finite-time adaptive fuzzy output feedback dynamic surface control for MIMO nonstrict feedback systems | |
Liu et al. | Adaptive NN controller design for a class of nonlinear MIMO discrete-time systems | |
CN113126500B (zh) | 一种交通系统的非脆弱同步控制方法及装置 | |
Liu et al. | Adaptive fuzzy identification and control for a class of nonlinear pure-feedback MIMO systems with unknown dead zones | |
CN107193210B (zh) | 一种非线性系统的自适应学习预设性能控制方法 | |
CN113489014B (zh) | 一种快速灵活全纯嵌入式电力系统最优潮流评估方法 | |
CN114547980B (zh) | 具有时变状态约束的多智能体有限时间事件触发控制方法 | |
Zhan et al. | Adaptive fuzzy decentralized dynamic surface control for fractional-order nonlinear large-scale systems | |
Wang et al. | Fast finite-time event-triggered consensus control for uncertain nonlinear multiagent systems with full-state constraints | |
Gao et al. | SMC for semi-Markov jump TS fuzzy systems with time delay | |
Zheng et al. | Asynchronous Nonfragile Mixed $ H_\infty $ and $ L_ {2}-L_\infty $ Control of Switched Fuzzy Systems With Multiple State Impulsive Jumps | |
Rapakoulias et al. | Discrete-time optimal covariance steering via semidefinite programming | |
Sui et al. | Nonsingular fixed-time control of nonstrict feedback MIMO nonlinear system with asymptotically convergent tracking error | |
Zhang et al. | Adaptive event-triggered fuzzy tracking control of uncertain stochastic nonlinear systems with unmeasurable states | |
CN113867150A (zh) | 一种具有饱和输入的多智能体的事件驱动控制方法 | |
Chu et al. | Robust event triggered control for lateral dynamics of intelligent vehicle with designable inter-event times | |
Krishnamurthy et al. | A matrix pencil formulation for nonconservative realization of scaling-based controllers for feedforward-like systems | |
CN116740922B (zh) | 一种基于模糊观测协议的智慧交通系统的控制方法 | |
Su et al. | Variable separation-based fuzzy optimal control for multiagent systems in nonstrict-feedback form | |
Hu et al. | Adaptive fuzzy dynamic surface control for nonstrict-feedback nonlinear state constrained systems with input dead-zone via event-triggered sampling | |
Yu et al. | A data-driven distributed adaptive control approach for nonlinear multi-agent systems | |
CN109194244B (zh) | 一种面向电动伺服系统的控制方法及系统 | |
Zou et al. | Distributed output feedback consensus tracking control of multiple nonholonomic mobile robots with only position information of leader | |
Huang et al. | Prescribed performance event-triggered fuzzy optimal tracking control for strict-feedback nonlinear systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |