Resumen

Se presenta un nuevo enfoque de control de aprendizaje iterativo fusionado con información de longitud de cola (QLIF-ILC) para la medición de rampas de tráfico en autopistas con el fin de lograr un mejor rendimiento mediante la utilización de la información de error de la longitud de cola en la rampa. El QLIF-ILC consta de dos partes, donde la parte iterativa feedforward actualiza la señal de entrada de control aprendiendo de los datos de control pasados en ensayos anteriores, y la parte de realimentación actual utiliza el error de seguimiento de la iteración de aprendizaje actual para estabilizar la planta controlada. Estas dos partes se combinan de forma complementaria para mejorar la robustez del QLIF-ILC propuesto. Se desarrolla un enfoque sistemático para analizar la convergencia y robustez del esquema de aprendizaje propuesto. Además, se presentan resultados de simulación para demostrar la eficacia del QLIF-ILC propuesto.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:ilc, qlif, enfoque de control de aprendizaje iterativo, nueva información de longitud de cola, señal de entrada de control, parte de realimentación actual, rampa de tráfico de autopista, parte de realimentación iterativa, datos de control anteriores, longitud de cola en rampa
• Keywords:ilc, qlif, iterative learning control approach, new queue length information, control input signal, current feedback part, freeway traffic ramp, iterative feedforward part, past control data, ramp queue length