一流课程背景下“控制系统仿真技术”课程建设

针对重智育轻德育、重知识轻能力、重教师轻学生和重结果轻过程四大痛点问题,基于一流课程的建设要求,提出以学生发展为中心、以能力培养为目标、以课程建设为抓手、以持续改进为保障的“四位一体”教育理念,融合学科专业知识、工程情景知识、能力要素和思政素质,实现知识传授、价值塑造和能力培养的多元统一。从弘扬民族自豪感、增强科研报国的责任感、提升专业认可度等多方面进行思政教育;将热点工程问题、学科前沿动态等与课程知识相结合,运用数学思维深度挖掘知识背后的原理,培养学生解决问题的能力;调整课程内容与课堂组织形式,实现了学生中心地位的转变;加大过程性考核的比例,实现以学生为中心的精准教学。经过课程改革,学生高阶能力有效提升,课程建设和教学团队建设成果丰硕。

基于城市主干路交通流数据的跟驰模型标定

根据某种机理建立的交通流模型需要通过模型标定和验证后才能具体应用到实际中。通过采用视频处理技术,对陕西省西安市二环主干路和浙江省舟山市昌洲大道上上下高峰时期内的车辆微观运动录像进行技术处理,提取得到了包括位移、速度和加速度的车辆微观运动轨迹数据。根据这些交通流数据,采用Levnberg-Marquardt算法,分别对跟驰理论中2个典型的跟驰模型,即惯性模型中的敏感系数、安全时间间隔、最小安全车间距、允许速度和智能驾驶人模型中的理想速度、安全时间间隔、静止安全距离、启步加速度和舒适加速度进行了标定和验证。针对惯性模型,当允许速度大于实际速度时,位移均方差和速度均方差的平均值分别为2.8m和0.58m/s,当允许速度小于实际速度时,位移均方差和速度均方差的平均值分别为2.22m和0.49m/s;针对智能驾驶人模型,利用早、中、晚3组数据进行标定,得到的位移均方差和速度均方差的平均值分别为0.12m和0.10m/s,0.07m和0.10m/s,0.75m和0.27m/s。因此,惯性模型与智能驾驶人模型都可用于描述城市主干路近饱和状态(即跟随车辆的最大速度远小于允许速度的行驶状态)下的车辆跟驰行为,而且当智能驾驶人模型中的加速度指数取较大的值时,它较前者更为适合。

离散交通流模型的反馈线性化与拥堵控制

在自动化高速公路环境下,提出一种改进的宏观离散交通流模型密度控制方法.利用反馈线性化方法,将宏观离散交通流模型转换为一般容易处理的线性系统模型,简化了密度控制器的设计.利用线性系统中具有输入变换的跟踪反馈控制方法,对线性化后的系统模型设计控制律.通过控制该线性系统的状态变量,间接稳定离散交通流模型中的交通流密度,达到对道路交通流拥堵的控制.同时给出设计方法和步骤,仿真实例说明了方法的实用性.

高速公路宏观离散模型的反馈线性化控制

在自动化高速公路系统环境下,通过计算拥堵路段系统的Lyapunov指数和Lyapunov维数,证明了离散交通流模型存在混沌现象。为了得到稳定有序的高速公路交通流,提出一种针对高速公路宏观交通流模型反馈线性化方法使非线性系统线性化。通过LQR优化控制方法将线性化系统的混沌轨道稳定到所需的目标轨道上,实现道路交通流的稳定有序。仿真结果表明,提出的方法可使道路交通密度和速度趋于平稳,避免了道路拥挤的发生。