控制理论与应用

作者：闫飞,李浦,续欣莹

单位：太原理工大学,太原理工大学,太原理工大学

关键词：迭代学习控制; 模型预测控制; 交通信号控制; 收敛性分析

基金：国家自然科学基金项目(61703300), 中国博士后科学基金项目(2019M651082), 山西省应用基础研究项目(201801D221191), 山西省研究生教育创 新计划项目(2019SY157)资助.

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题, 本文在基于迭代学习控制的交通信号控制方法基础上, 结合模型预测控制滚动优化和实时校正的特点, 提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法. 该方法在有效利用交通流周期性特征改善路网交通状况的同时, 可借助模型预测控制的优点对非重复性的实时干扰进行处理, 从而进一步提高交通信号的控制效率.通过仿真实验对该方法的有效性进行了验证. 实验结果表明, 基于迭代学习与模型预测控制的交通信号混合控制方法能够更有效地均衡路网内的车辆密度, 进一步提高了路网的通行效率. 最后, 本文还对该方法的收敛性进行了分析.

来源：2021年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第3期