智能交通控制的課程設(shè)計-資料下載頁
2025-01-12 05:18本頁面
【正文】 J? ， 適應(yīng)度函數(shù)是確定的。 (4)選擇算子 選擇是一種方法 ,隨機從種群中選擇個體根據(jù)他們的適合性 ,適合性越高 ,個體被選入下一代的機會就越多。除了輪盤賭選擇 ,我們采用一個特別的選擇算子(精英算子 ),以避免選擇、交叉和變異，并且可以簡單把最適合的 PI控制從上一代無改動 的傳給下一代， 精英算子能確保最佳的 PI控制沒有失蹤的可能性。 (5)交叉算子 交叉算子主要負責(zé)遺傳算法的全局搜索特性， 交叉算子通過結(jié)合父本與母本所包含的信息產(chǎn)生新的個體， 也就是將父本與母本的適應(yīng)度值相結(jié)合，再用離散重組的方法 來產(chǎn)生后代的適應(yīng)度值。 (6)變異算子 變異算子是用來注入新的遺傳基因到個體， 變異算子是增加種群多樣性的第二個因素，實際變量的變異就是隨機產(chǎn)生的適應(yīng)度值以較低的概率添加到變量上。在這里 ,變異率是根據(jù)適應(yīng)度值進行動態(tài)改變的，適應(yīng)度值越大 ,變異率越小。 重復(fù)步驟 (3)第 (6),直到滿足條件的 優(yōu)化。通常 ,適應(yīng)度函數(shù)達到最大值，遺傳算法終止，優(yōu)化問題達到最優(yōu)化。 仿真研究 一、 仿真結(jié)果 （一）用三角形隸屬度函數(shù)的仿真結(jié)果 高速公路流入 qu如圖 6所示 ,遺傳算法優(yōu)化過程的性能指標(biāo)如圖 7所示 ，最優(yōu)PI參數(shù)為 Kp=,Ki= 。實際交通密度和匝道控制率分別如圖 8和圖9所示。 從圖 6,圖 8和圖 9我們可以看出 ,當(dāng) qu是一個階躍函數(shù)時 ， ? 和 r都存在 一個短暫過渡期 ,一個短暫過渡期后， ? 和 r進入穩(wěn)定狀態(tài)。 當(dāng) qu為 1650、 1500、 1680、1500、 1600、 1480、 1580、 1470、 16 1500、 1590、 1680輛∕ (小時 車道 )時 ,相應(yīng)的 穩(wěn)態(tài)值 r分別為 、 、 、 、 、 、 、 、 、 、 /小時 ，穩(wěn)態(tài)值 ? 為 ∕ (千米 車道 ),與理想的交通 密度一致。 圖 6 高速公路的流入曲線 圖 7 優(yōu)化過程的性能指標(biāo) 圖 8 實際交通密度曲線 圖 9 匝道調(diào)節(jié)率曲線 （二）用高斯隸屬度函數(shù)的仿真結(jié)果 高速公路流入 qu如圖 10所示 ,遺傳算法優(yōu)化過程的性能指標(biāo)如圖 11所示 ，最優(yōu) PI參數(shù)也為 Kp=,Ki= 。實際交通密度和匝道控制率分別如圖12和圖 13所示。 從圖 10,圖 12和圖 13我們可以看出 ,當(dāng) qu是一個階躍函數(shù)時 ， ? 和 r也存在 一個短暫過渡期 ,一個短暫過渡期后， ? 和 r也 進入基本穩(wěn)定狀態(tài)。 當(dāng) qu為 1650、1500、 1680、 1500、 1600、 1480、 1580、 1470、 16 1500、 1590、 1680輛∕ (小時 車道 )時 ,相應(yīng)的 穩(wěn)態(tài)值 r分別為 、 、 、 、 、 、 、 、 、 、 輛 /小時 ，穩(wěn)態(tài)值 ? 為 ∕ (千米 車道 ),與理想的交通密度相差很大，故不采用高斯隸屬度函數(shù)。 圖 10 高速公路的流入曲線 圖 11 優(yōu)化過程的性能指標(biāo) 圖 12 實際交通密度曲線 圖 13 匝道調(diào)節(jié)率曲線 比較圖 8與圖 12可得，用三角形隸屬度函數(shù)比用高斯隸屬度函數(shù)具有更好的穩(wěn)態(tài)性能，而且能達到期望交通密度，故在模糊控制中使用三角形隸屬度函數(shù)。 與模糊邏輯控制或人工 神經(jīng)網(wǎng)絡(luò)相比，模糊邏輯和遺傳 PI 混合控制具有誤差小、反應(yīng)速度快的優(yōu)點。具有更好的動態(tài)性能和穩(wěn)態(tài)性能 ,并且能夠沿著高速公路的主線達到理 想的交通密度 ,此外 ,遺傳算法能夠很簡單地找到 PI 參數(shù)的 最優(yōu)值。 心得體會 通過 這 次課程設(shè)計，使我更加扎實的掌握了有關(guān) 課程設(shè)計 方面的知識， 加強了我們動手、思考和解決問題的能力 .，學(xué)到的理論知識要聯(lián)系實際多動手，多思考才能鞏固，也使我明白了以后這方面的知識還要多多去學(xué)習(xí)和鞏固，這次設(shè)計由于是第一次做，引用了不少師兄的資料，也望老師原諒！ 參考文獻 基于模糊神經(jīng)網(wǎng)絡(luò)的城市高速公路入口匝道控制算法（陳德望、王飛躍、陳龍） 高速公路入口匝道控制研究現(xiàn)狀（蔡宗榮） 過程控制系統(tǒng)（方康玲） 武漢理工大學(xué)出版社
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1