大规模城市路网交通流的分层与分布式模型预测控制方法

    公开(公告)号:CN119091654B

    公开(公告)日:2025-05-02

    申请号:CN202411295127.0

    申请日:2024-09-15

    Abstract: 本发明公开了大规模城市路网交通流的分层与分布式模型预测控制方法,涉及城市路网交通规划技术领域,该方法能够通过将分层控制策略与分布式MPC结合,有效利用路网通行的MFD相关性质,在路网车流过饱和的情况下采用该控制策略使路网车辆数维持在一个最优值附近,在实现减缓拥堵的前提下最大限度保障路网内车流的通行效率,并保障计算效率。其方案具体为:对城市路网进行区域划分。对路网划分的区域进行数据收集,得到区域路网的MFD图像及性质。进行分层MPC中上层控制器的优化求解。结合分布式MPC进行分层策略的下层MPC优化求解。继续路网车辆通行,从当前时刻前进至下一时刻,各个传感器继续收集数据,重复优化步骤,实现滚动优化。

    大规模城市路网交通流的分层与分布式模型预测控制方法

    公开(公告)号:CN119091654A

    公开(公告)日:2024-12-06

    申请号:CN202411295127.0

    申请日:2024-09-15

    Abstract: 本发明公开了大规模城市路网交通流的分层与分布式模型预测控制方法,涉及城市路网交通规划技术领域,该方法能够通过将分层控制策略与分布式MPC结合,有效利用路网通行的MFD相关性质,在路网车流过饱和的情况下采用该控制策略使路网车辆数维持在一个最优值附近,在实现减缓拥堵的前提下最大限度保障路网内车流的通行效率,并保障计算效率。其方案具体为:对城市路网进行区域划分。对路网划分的区域进行数据收集,得到区域路网的MFD图像及性质。进行分层MPC中上层控制器的优化求解。结合分布式MPC进行分层策略的下层MPC优化求解。继续路网车辆通行,从当前时刻前进至下一时刻,各个传感器继续收集数据,重复优化步骤,实现滚动优化。

    一种自动驾驶电动汽车的经济型模型预测控制方法

    公开(公告)号:CN117369261A

    公开(公告)日:2024-01-09

    申请号:CN202311329588.0

    申请日:2023-10-13

    Abstract: 本发明公开了一种自动驾驶电动汽车的经济型模型预测控制方法,在每个采样时刻,根据车辆的跟踪误差判断车辆是否满足控制优化触发条件;如果是,则根据当前采样数据更新控制轨迹;确定长于设定等时间间隔的控制序列间隔,以所述控制序列间隔将更新的控制轨迹输出至车辆;否,则不更新控制轨迹,并以设定等时间间隔将控制轨迹输出至车辆;使用本发明能够在保证车辆控制过程中的跟踪性能的同时,减少系统的计算和通信负担。

    一种复杂制造系统回归调度方法

    公开(公告)号:CN111880489B

    公开(公告)日:2022-12-09

    申请号:CN202010647895.3

    申请日:2020-07-07

    Abstract: 本发明公开了一种复杂制造系统回归调度方法,通过构建基于极限学习机的复杂制造系统回归调度模型,实现了获取实时生成与生产状态相适应的调度规则权重组合,达到了制造系统的多目标优化的目的,同时,利用基于比例‑积分‑微分(PID)梯度下降算法求取隐含层节点的输出权值矩阵完成对极限学习机模型的训练,能够在降低计算负担过重和提高计算效率的情况下提高算法的泛化性能。

    一种基于极限学习机的云工作流调度器压力预测方法

    公开(公告)号:CN112948115B

    公开(公告)日:2022-12-06

    申请号:CN202110232396.2

    申请日:2021-03-01

    Abstract: 本发明公开了一种基于极限学习机的云工作流调度器压力预测方法,通过将调度器CPU时间片占有率、内存占用率作为调度器压力参数,以调度器压力参数作为输入,以对应的调度器在达到满载前还能接收工作流的数量作为标签,建立训练样本集;采用该训练样本集完成对云工作流调度器压力预测模型的训练,以调度器压力预测模型预测调度器在达到满载状态之前预计还可接收工作流的数量,在一定程度上能够满足云工作流在调度问题上调度器压力预测的需要,为相关调度问题中压力评估和可接受工作流数量提供了新的方法。

    一种轮式移动机器人的基于学习预测跟踪控制方法及装置

    公开(公告)号:CN113515044B

    公开(公告)日:2022-08-26

    申请号:CN202110750225.9

    申请日:2021-07-02

    Abstract: 本发明提供一种轮式移动机器人的基于学习预测跟踪控制方法及装置,所述方法包括获取所述轮式移动机器人的实际状态与当前时刻所述轮式移动机器人的理论状态值的差值,作为所述学习模型的输入,输出模型偏差预测值,计算学习误差率;若所述学习误差率大于所述学习误差率上限;基于所述模型偏差预测值更新所述轮式移动机器人自身的第一学习模型;基于所述轮式移动机器人的预测跟踪控制目标及约束条件,确定所述轮式移动机器人的预测跟踪控制优化问题模型;使用控制策略控制所述轮式移动机器人自身的第一学习模型。根据本发明的方案,保证轮式移动机器人在实际使用中控制的准确性,使用的安全性和舒适性。

    大规模集群系统的分布式递归编组及自主聚合控制方法

    公开(公告)号:CN114594689A

    公开(公告)日:2022-06-07

    申请号:CN202210252109.9

    申请日:2022-03-15

    Abstract: 本发明公开了一种大规模集群系统的分布式递归编组及自主聚合控制方法,包括:智能体多层图拓扑结构设计将大规模的多智能体划分为几个不同的层,每个层里包含一些子群,子群由“簇节点”和“子节点”构成,再由簇节点构成一个高层的网络,从而构成一个分层网络结构;多层自组织聚合控制方法是基于临近优先原则为每个智能体分配邻居,把整个群组分为许多不重合的子群,并在子群内部的个体间建立交互和聚合控制关系;基于三维空间下进行仿真实验,通过最近邻优先原则,所有个体间建立通讯链路,形成了一些不重合的子系统,每个子组中的个体们相互维持期望的角度和距离,然后子组的状态和误差渐进收敛。本发明实现群网络拓扑可扩展性自主构型。

Patent Agency Ranking