[发明专利]基于遗传算法的自适应控制方法

权利要求书

1.一种基于遗传算法的自适应控制方法，其特征在于，包括：

步骤一，设计一个模糊控制器，该模糊控制器包括两个输入变量和一个输出变量；输入变量为当前周期各相位饱和度的加权和input1，后一周期预估车流量变化率input2；输出变量为后一周期饱和度系数output；

步骤二，进行配时优化，周期时长及绿信比确立以计算各相位的绿灯时间；包括：

(a)当输出变量output大于设定的阈值时，则判定路口交通状态处于拥堵状态，周期选择设定的最大周期T_max固定不变；当输出变量output不大于设定的阈值时，则判定路口交通状态处于非拥堵状态，周期则根据后一周期饱和度系数output确定，周期计算公式为T＝output*K+T_min,K为周期权重，T_min为最小周期时间；

(b)绿信比确立分为定周期下的绿信比优化和变周期下的绿信比优化；当交通状态判定为拥堵时采用最大周期控制，以车辆延误时间最少为优化目标，利用遗传算法寻求最优解，计算各相位的绿灯时间；当交通状态判定为非拥堵时周期大小则根据模糊控制器获得的后一周期饱和度系数确定，以减少车辆滞留数量为优化目标，利用遗传算法寻求最优解，计算各相位的绿灯时间。

2.如权利要求1所述的一种基于遗传算法的自适应控制方法，其特征在于，

所述步骤一具体包括：

(1).输入量确定

饱和度计算模型：

其中，t_g：该相位的绿灯时间；

t_d：所有车辆通过检测器的间隔时间；

n：绿灯时间内通过的车辆数；

t_h：车辆在正常行驶条件下的必要时间间隔；

故当前周期各相位饱和度的加权和

其中，sn:该周期相位总数；

c_i:第i相位的饱和度权重；

γ_i:第i相位的饱和度；

车流量预测模型：Q_k+1＝Q_k+α_k*(G_k-Q_k) 【3】，

其中，Q_k+1：第k+1周期预估车流量；

Q_k：第k周期预估车流量；

α_k：随机修正参数，α_k∈[0,1]，

E_k：第k周期车流量平滑误差，M_k:第k周期车流量绝对平滑误差

G_k：第k周期实际车流量；

故后一周期预估车流量变化率

(2).论域变换和隶属度函数

将当前周期各相位饱和度的加权和input1，后一周期预估车流量变化率input2；输出变量后一周期饱和度系数output变换为模糊子集：

input1＝{很小,较小,小,中等,大,较大,很大}

input2＝{很小,较小,小,中等,大,较大,很大}

output＝{很小,较小,小,中等,大,较大,很大}

对应的论域：input1＝{0,1,2，…,10}，量化因子：5

input2＝{-5,-4,…,5}，量化因子：10

output＝{0,1,2,3,4,5,6,7,8}，比例因子：1

确定输入变量和输出变量的隶属度函数；

然后制订模糊控制规则，得到一个模糊控制规则表，用模糊条件语句表示输入变量和输出变量之间的模糊关系；

(3).模糊推理和解模糊

采用“min-max”模糊推理，重心法解模糊，以得到输出变量清晰化后的输出值；

(4).离线数据表

将两个输入变量input1和input2输入模糊控制器后，可得到对应的输出变量output；通过input1、input2、output的各组值即可制作模糊控制器输入输出数据表；

将模糊控制器输入输出数据表制作成离线模式，在每个周期结束后，输入对应的论域，通过离线表即能求出后一周期饱和度系数。