一种考虑扰动的交通子区模型预测滑模边界控制方法技术

本发明专利技术公开了一种考虑扰动的交通子区模型预测滑模边界控制方法，根据路网内宏观基本图为依据，采用模型预测滑模控制方法，保证拥堵状态时的车辆数量接近临界累计车辆数，提高了车辆通行效率，解决目前交通控制未考虑扰动因素影响的问题。本发明专利技术与现有边界控制方法相比，考虑了实际城市交通系统运行中的扰动因素对控制作用性能的影响，构建的车辆平衡方程更接近路网实际情况；且由于该方法由滑模控制(SMC)和模型预测控制(MPC)组成，将同时表现出实时性、鲁棒性和最优性。鲁棒性和最优性。鲁棒性和最优性。

【技术实现步骤摘要】
一种考虑扰动的交通子区模型预测滑模边界控制方法


[0001]本专利技术涉及交通管控
，尤其涉及一种考虑扰动的交通子区模型预测滑模边界控制方法。

技术介绍

[0002]随着城市化进程不断加快，城市机动车保有量在逐年增加，交通拥堵和交通污染等问题日益严重，传统的基于单点与干线协调控制方法，只能从局部改善交通状态，难以解决大范围的交通拥堵。路网的宏观基本图(Macroscopic Fundamental Diagram，MFD)可以通过控制路网内整体的车辆数和车辆密度等交通流参数来提高道路通行能力，可以从宏观层面监测路网运行状态，为解决交通拥堵提供了一个良好的工具。
[0003]当前基于MFD进行边界控制的研究成果非常丰富，现有研究的控制目标有：(1)控制律计算最优性，(2)控制策略的实时适用性，(3)对不同干扰和不确定因素的鲁棒性。上述大多都只考虑了交通流量控制目标的某一个方面，本专利技术中所述模型预测滑模控制方法(Model Predictive Based Sliding Mode Control，MPSMC)将考虑上述所有目标，该方法由滑模控制(SMC)和模型预测控制(MPC)组成，其中滑模控制对不确定性具有免疫力，具有快速响应能力。而模型预测控制具有在线滚动优化和实时校正的特点，具有实时最优性。因此，该方法将同时表现出实时性、鲁棒性和最优性。
[0004]目前在城市交通子区边界控制方法中，往往未考虑到各种干扰和不确定性因素的影响，而不同程度的干扰或不确定因素作用到被控系统上，可能会减弱控制作用的性能甚至会导致不可预测的结果，所以研究扰动对控制性能的作用是至关重要的。

技术实现思路

[0005]为解决现有技术的不足，本专利技术提出了一种考虑扰动的交通子区模型预测滑模边界控制方法。
[0006]为了实现上述目的，本专利技术提供一种考虑扰动的交通子区模型预测滑模边界控制方法，包括：
[0007]1)选择将要研究的子区路网，根据子区交通流，建立考虑扰动下的宏观交通流模型，判断路网运行状态；
[0008]2)根据所述考虑扰动下的宏观交通流模型，选择滑动函数S
k
；
[0009]3)通过所述滑动函数S
k
选择滑模控制律u
k
；
[0010]4)通过所述滑动函数S
k
和滑模控制律u
k
，建立模型预测滑模控制律S
k+N
，求得最佳输入u
k
，完成对交通子区模型预测滑模边界的控制。
[0011]其中，判断路网运行状态的步骤中，包括步骤：
[0012]2.1)采集待研究子区内从低峰状态到高峰状态的车辆数据，统计出t时刻区域内的车辆数N，对所获得的数据进行处理，剔除误差较大的数据点，获取有效的宏观基本图样本值，绘制路网MFD散点图，并根据散点数据对路网的MFD曲线进行拟合，得到待研究区域的
MFD曲线以及该区域的临界累计车辆数N
r
；
[0013]2.2)选择待研究的子区路网，在子区路网边界处设计安装检测器，获取t时刻子区内部交通流需求q
11
(t)，t时刻子区i到子区j的交通流率q
ij
(t)以及子区内累计车辆数到达x1(t)时的旅行车辆完成率G1(x1(t))，建立宏观交通流模型得：
[0014][0015]2.3)考虑实际城市交通系统存在对累计车辆数造成影响的扰动ξ(t)以及子区内数据采集设备输出产生的误差ο(t)，在上述宏观交通流模型中加入扰动量ξ(t)和ο(t)并离散化得：
[0016][0017]2.4)将在扰动作用下的宏观交通流模型输出变量写成函数形式得：y(k+1)＝f(x(k),ξ(k))+g(x(k))u
k
+ο(k)，其中x(k)为x
11
(k)与x
12
(k)之和，ξ(k)为ξ
21
(k)与ξ
12
(k)之和，u
k
为u
12
(k)；
[0018]2.5)判断路网运行状态，若为拥堵状态，则实施边界控制，否则继续监测路网运行状态。
[0019]其中，选取滑动函数的步骤包括：
[0020]3.1)考虑到控制目标是最大限度地利用子区路网的通行能力，引入误差变量其中是第t时间段的期望状态，在路网未进入拥堵状态时，此时的期望曲线设置为固定配时的累计车辆数；当路网累计车辆数超过临界累计车辆数时，此时的期望曲线都设置为临界累计车辆数；
[0021]3.2)将误差变量的动态表示为：
[0022][0023]其中是增强干扰；
[0024]3.3)引入类pi滑动函数：S
k
＝GE
k
+Kη
k
，其中G和K分别是比例增益和积分增益；η
k
为积分误差向量，η
k
＝E
k
+η
k
‑1。
[0025]其中，构建滑模控制律的步骤包括：
[0026]4.1)已知滑模控制律由等效控制和切换函数两项组成，等效控制用于保持滑模面上的动力学，切换函数用于驱动滑模向滑模面附近偏移；将滑模控制律写成：
[0027]4.2)若滑动运动位于曲面上，则选择等效控制方式为：
[0028][0029]其中T＝G+E；
[0030]4.3)假设：设扰动的估计误差为：e
k
假定有界为：
[0031]选择切换控制方式为：P是正的开关增益向量，如果满足假设1，保证闭环全局渐近稳定时，选择P使：τ
e
+σ<P，其中σ是一个任意小的常数；
[0032]4.4)根据上述4.2)和4.3)的公式得：
[0033]。
[0034][0035]其中，建立模型预测滑模控制律的步骤中，包括步骤：
[0036]5.1)在理想滑动运动中，当滑动运动位于曲面上时，有S
k
＝S
k+1
，将所述滑动函数右侧展开得到：S
k
＝GE
k+1
+KE
k+1
+Kη
k
，将滑动面的动态方程写成：
[0037]5.2)将滑动控制律的公式代入上述公式得到：完成对滑动运动的一步预测；
[0038]5.3)把未来N个样本的预测公式表示为：
[0039][0040]简化可得：其中和ε
k
‑1分别是滑动
[0041]运动的N个未来样本、切换控制和扰动估计；
[0042]式中向量和矩阵如下:
[0043]S
N
＝[S
k+1
,S
k+2
,...,S
k+N
]T
，ε
k
‑1＝[e本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑扰动的交通子区模型预测滑模边界控制方法，其特征在于，包括步骤：1)选择将要研究的子区路网，根据子区交通流，建立考虑扰动下的宏观交通流模型，判断路网运行状态；2)根据所述考虑扰动下的宏观交通流模型，选择滑动函数S
k
；3)通过所述滑动函数S
k
选择滑模控制律u
k
；4)通过所述滑动函数S
k
和滑模控制律u
k
，建立模型预测滑模控制律S
k+N
，求得最佳输入u
k
，完成对交通子区模型预测滑模边界的控制。2.根据权利要求1所述的考虑扰动的交通子区模型预测滑模边界控制方法，其特征在于，在根据子区交通流，建立考虑扰动下的宏观交通流模型，判断路网运行状态的步骤中，包括步骤：2.1)采集待研究子区内从低峰状态到高峰状态的车辆数据，统计出t时刻区域内的车辆数N，对所获得的数据进行处理，剔除误差较大的数据点，获取有效的宏观基本图样本值，绘制路网MFD散点图，并根据散点数据对路网的MFD曲线进行拟合，得到待研究区域的MFD曲线以及该区域的临界累计车辆数N
r
；2.2)选择待研究的子区路网，在子区路网边界处设计安装检测器，获取t时刻子区内部交通流需求q
11
(t)，t时刻子区i到子区j的交通流率q
ij
(t)以及子区内累计车辆数到达x1(t)时的旅行车辆完成率G1(x1(t))，建立宏观交通流模型得：2.3)考虑实际城市交通系统存在对累计车辆数造成影响的扰动ξ(t)以及子区内数据采集设备输出产生的误差ο(t)，在上述宏观交通流模型中加入扰动量ξ(t)和ο(t)并离散化得：2.4)将在扰动作用下的宏观交通流模型输出变量写成函数形式得：y(k+1)＝f(x(k),ξ(k))+g(x(k))u
k
+ο(k)，其中x(k)为x
11
(k)与x
12
(k)之和，ξ(k)为ξ
21
(k)与ξ
12
(k)之和，u
k
为u
12
(k)；2.5)判断路网运行状态，若为拥堵状态，则实施边界控制，否则继续监测路网运行状态。3.根据权利要求1所述的考虑扰动的交通子区模型预测滑模边界控制方法，其特征在
于，选取滑动函数的步骤包括：3.1)考虑到控制目标是最大限度地利用子区路网的通行能力，引入误差变量其中是第t时间段的期望状态，在路网未进入拥堵状态时，此时的期望曲线设置为固定配时的累计车辆数；当路网累计车辆数超过临界累计车辆数时，此时的期望曲线都设置为临界累计车辆数；3.2)将误差变量的动态表示为：其中是增强干扰；3.3)引入类pi滑动函数：S
...

【专利技术属性】
技术研发人员：闫飞，贾光耀，田建艳，李荣，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：