-
公开(公告)号：CN115995152A
公开(公告)日：2023-04-21
申请号：CN202310163447.X
申请日：2023-02-24
申请人： 太原理工大学
IPC分类号： G08G1/065 , G06F18/23213 , G08G1/01
摘要： 本发明涉及城市交通信号控制领域，尤其涉及一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。包括以下步骤，S100：选取待研究的城市路网区域，采集路网数据并进行分析；S200：在选定城市路网内部划分交通子区，根据搜集到的路网数据建立每个控制子区的宏观基本图；S300：分析车流量出入子区边界情况，建立子区交通流模型；S400：对各个子区实行边界控制，根据城市交通流重复性特性构建迭代学习控制模型，得到迭代控制方案并设置信号配时策略。本发明综合考虑多个子区之间的车辆流入流出情况以及子区与路网边界间的车流量，提高迭代学习控制效率，提高系统鲁棒性，使得边界控制表现出实时性及最优性特点。
-
公开(公告)号：CN113537555B
公开(公告)日：2023-04-11
申请号：CN202110617157.9
申请日：2021-06-03
申请人： 太原理工大学
摘要： 本发明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。
-
公开(公告)号：CN113870549B
公开(公告)日：2023-02-03
申请号：CN202110711876.7
申请日：2021-06-25
申请人： 太原理工大学
摘要： 本发明公开了一种自适应微调算法优化交通子区迭代学习增益方法，是以路网内宏观基本图为依据，采用自适应优化微调优化迭代学习增益的交通子区边界控制方法，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控制器增益变化和动态阀门以及扰动因素影响的问题。本发明考虑了实际城市交通系统运行中的阀门以及扰动因素对控制作用性能的影响，考虑了迭代学习增益对交通边界控制的影响；且迭代学习和自适应微调算法优化的迭代学习增益组成，将同时表现出实时性和最优性。
-
公开(公告)号：CN108009514B
公开(公告)日：2022-04-12
申请号：CN201711338945.4
申请日：2017-12-14
申请人： 太原理工大学
摘要： 本发明公开了一种球磨机料位预测方法，通过采集球磨机筒壁或者轴承上的振动信号及安装在球磨机周围麦克风的振声信号；振动信号、振声信号经调理电路、模数转换电路输入数据采集卡；通过MFCC分别计算数据采集卡中振动、振声信号的特征参数；重新组合振动、振声信号；数据采集卡收集重新组合后的信号；最后数据采集卡中的数据通过历史数据建立的TBM模型，预测相应信号的料位。本发明能有效的预测球磨机的料位，其预测料位精确度高、波动小，具有良好的实用价值和推广前景。
-
公开(公告)号：CN109559510B
公开(公告)日：2021-04-06
申请号：CN201811395511.2
申请日：2018-11-22
申请人： 太原理工大学
摘要： 本发明属于交通控制技术领域，提出了一种基于随机分布控制算法的多个MFD子区边界协调控制方法。以调节在早晚高峰时段的交通资源分配不均问题。交通控制方法包括如下步骤：S1：建模数据采集；S2：车辆数目概率分布估计；S3：建立车辆数目概率分布密度函数的基函数表示模型；S4：建立输入变量与前n‑1个权值向量之间的非线性预测模型；S5：求解控制量输出。输出控制为各个区域边界信号灯的绿信比矩阵，通过改变区域边界红绿灯的时长来调整各区域的车辆数目。本发明可以最大限度地缓解城市路网车辆分布不合理问题，提高城市路网的利用效率。
-
公开(公告)号：CN109887297B
公开(公告)日：2021-03-26
申请号：CN201910328296.2
申请日：2019-04-23
申请人： 太原理工大学
IPC分类号： G08G1/01
摘要： 本发明公开了一种基于快速全局K‑means谱聚类的城市交通控制子区的划分方法，涉及城市交通子区划分领域，其基本思路是根据路网内相邻信号交叉口之间的交通关联度作为划分依据，1）选定将要研究的路网，获取路网的道路拓扑结构、交通流数据，建立路网无向图；2）计算路网密度拉普拉斯矩阵L及其前k个最小的特征值对应的特征向量构建聚类特征矩阵；3）对聚类特征矩阵X实施快速全局K‑means聚类算法，将同一聚类里的交叉口划分到同一子区；4）判断进行聚类后子区内的交叉口数目｜Vi｜是否满足约束条件，对不满足约束条件的子区进行边界调整采用快速全局K‑means谱聚类的方法对路网G进行交通控制子区的划分。本发明缩短了聚类所需时间，能够提高交通子区划分效率。
-
公开(公告)号：CN109829177A
公开(公告)日：2019-05-31
申请号：CN201811218358.6
申请日：2018-10-18
申请人： 太原理工大学
摘要： 本发明属于磨矿粒度测量技术领域，具体是一种多工况环境下球磨机溢流粒度分布软测量方法。包括以下步骤，S100：建立软测量模型，获取球磨机磨矿浓度、料球比、介质填充率和物料负荷作为辅助变量；S200:建立多工况环境下球磨机磨矿溢流粒度概率分布的基函数表示模型；S300：求取多工况环境下球磨机磨矿溢流粒度分布的权值向量；S400：建立多工况环境下球磨机溢流粒度分布预测模型，对下一时刻的球磨机溢流粒度分布完成预测。本发明测得的粒度数据是矿料生产过程中的粒度分布信息，适用于多工况环境下球磨机溢流粒度分布的实时在线预测，速度快，误差小。另外，采用软测量的方式，无需机器运作，降低了成本，减少了能源的消耗。
-
公开(公告)号：CN109767632A
公开(公告)日：2019-05-17
申请号：CN201910157758.9
申请日：2019-03-02
申请人： 太原理工大学
IPC分类号： G08G1/08
摘要： 本发明提供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，包括以下步骤：1）对研究区域的交通流模型进行优化；2）在优化的交通流模型中引入相邻两次迭代间的绿灯时长增量关系，并引入路网内实际车辆数与期望车辆数的误差；3）通过模型预测控制进行绿灯时长增量的预测；4）将迭代学习控制获得的绿灯时长与模型预测控制获得的绿灯时长增量进行有效结合，得到优化的绿灯时长，5）根据优化的绿灯时长设置交叉口绿灯时长。本发明将迭代学习控制与模型预测控制进行结合，既充分利用了路网宏观交通流相似性分布的历史批次信息，又能通过预测模型在线进行滚动优化，使路网交通信号能更有效、更迅速的达到控制要求，提高路网通行效率。
-
公开(公告)号：CN108364465A
公开(公告)日：2018-08-03
申请号：CN201810138806.5
申请日：2018-02-09
申请人： 太原理工大学
IPC分类号： G08G1/01
摘要： 本发明涉及城市路网划分方法，具体为基于宏观基本图的城市路网控制子区的动态划分方法，解决现有划分方法缺乏理论支撑，指标的阈值不科学，划分不系统，目标不全面，不能实时调整的问题，方案：1）初始化计算机；2）选取影响因素，采集基本数据；3）依照路网拓扑结构、交通信息数据，计算相邻路段之间的关系，建立权值矩阵；4）从局部表征路段间相似性，建立相似性矩阵；5）对路网进行初始划分；6）更新编号，合并小子区。优点：以路网内各路段的基本数据为基础，充分考虑相邻路段间的相互影响因素，有充分的理论基础支撑，能够实时调整，目标明确且划分更为合理。
-
公开(公告)号：CN113781772B
公开(公告)日：2022-11-01
申请号：CN202110944333.X
申请日：2021-08-17
申请人： 太原理工大学
摘要： 本发明涉及智能交通控制领域，具体说是一种点对点迭代学习与模型预测的交通信号混合控制方法。包括以下步骤，S100～对研究区域的交通流提出两种增量模型；S200～建立新的双增量交通饱和度模型；S300～建立提取矩阵，对有限的关键点对多次迭代，将误差收敛；S400～用性能指标函数对绿灯时长增量进行预测；S500～根据优化后的绿灯时长，设置交叉口绿灯时长；S600～设置路网内各交叉口信号绿灯时长，使得路网的饱和度达到目标值。本发明将点对点和迭代学习控制和模型预测控制进行结合，不仅利用了路网宏观交通流相似性分布的历史批次信息，又能通过预测模型在线进行滚动优化，最终使路网交通信号能更有效、更迅速的达到控制要求，提高路网通行效率。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.035 秒)
