基于交通模式识别的电梯调度算法研究

分析了电梯各种交通模式的特征,采用模糊神经网络对交通模式进行识别,确定辨识交通模式的特征值,并用交通流来测试网络的正确性.测试结果表明,应用模糊神经网络对电梯交通模式进行识别可准确地反映交通流的状况.将交通模式识别的结果作为派梯的依据,对电梯群控系统根据不同交通状况采用相应的派梯策略可以起到指导作用.     

电梯群控系统的交通模式识别

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别,提出了利用专家知识获取样本和训练网络的步骤,实际数据测试结果表明,该方法能准确地辨识出各种交通式所占的比例,对群控器的派梯可起到很好的指导作用,从而提高电梯群控系统的服务性能。     

新型电梯群控系统交通模式识别方法

电梯交通模式识别是电梯群控调度的一个关键问题.针对实时变化的电梯交通流数据,提出一种新型的电梯系统交通模式识别方法.在不增加数据采集量的基础上,首先对基本交通信息进行预处理,再采用多值分类的支持向量机算法,对电梯群控系统建立交通模式分类器.建立的分类器可以根据交通流数据的变化,自适应地识别出建筑物内的最大客流层及次大客流层(厅堂除外).仿真结果表明,这种交通模式识别方法能较准确地辨识出各种交通流模式,并且通过对比试验,证明该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,实用性强.     

基于多值分类SVM的电梯交通模式识别

针对电梯群控系统中的交通模式识别问题,提出一种基于多值分类支持向量机(SVM)的电梯交通模式识别方法。采用直接多值分类SVM对采集的电梯交通流数据进行分析,得到交通模式分类器,从而解决电梯交通流模式识别中多输入、多输出的非线性系统辨识问题。实验结果表明,该方法可实现全局最优且分类误差较小,能满足群控系统的要求。     

基于CMAC再励学习控制的电梯群控调度方法

提出一种新的智能优化调度方法，将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控系统的控制方案.该控制方法不需要过多的专家知识及学习样本,可以实现在线学习并具有较强的自适应能力,提高了系统的效率并且使系统性能得到优化.以层间交通模式为例对系统进行仿真,结果证明了该方法的可行性及有效性.     

基于粒子群K均值聚类算法的电梯交通模式识别

针对传统方法存在的缺点,提出一种基于粒子群K均值聚类算法的电梯交通模式识别方法.该方法通过对此前一周的原始客流数据进行聚类分析,得到相应交通模式的聚类中心坐标.针对实时变化的交通流数据,采集5min时段客流数据,根据最近邻原则划分其归属的聚类中心,从而识别出当前的交通模式.仿真实验表明,该方法能对电梯交通模式进行有效识别,实时性较好.     

基于遗传算法优化支持向量机的电梯交通模式识别

电梯交通模式识别问题是电梯群控系统优化调度的基础.在电梯交通模式识别研究中,支持向量机应用较为广泛且识别效果较好,但仍存在模型参数难以确定的问题.为此,提出一种结合遗传算法和支持向量机的电梯交通流模式识别方法:利用遗传算法对支持向量机的关键参数对——惩罚因子C和核函数参数σ自动全局寻优,将最佳参数组合(C,σ)代入原始...     

智能多模式电梯群控调度方法的研究与实现

电梯群控系统的任务是有效地运送乘客，提高电梯运行效率、改善服务质量．根据 大楼不同交通流状况识别不同的交通流模式，并采用最合适的调度方法分派电梯是提高电梯 群控性能的关键．本文实现了一种基于模式识别的智能多模式电梯群控调度方法，该方法可 以在一天中根据不同的交通流状况，提供不同的群控策略,从而使电梯服务更优．仿真实验 表明了这种电梯调度方法是有效的．     

电梯群控系统智能优化调度方法的研究

提出一种能够适应各种交通流模式的电梯群控智能优化调度方法．运用模糊神经网络对电梯的状态变量进行数据融合。融合出影响调度决策的电梯特征参数、通过小生境遗传算法对特征参数进行多目标优化分析，完成最优调度．仿真实验表明，该方法能够在各种交通流模式下进行相应的合理调度。     

基于模糊神经网络的电梯群控系统调度方法研究

电梯群控系统是一个复杂的决策系统,具有多目标性、随机性和非线性等特点,难以采用精确的数学模型加以描述,因而传统的控制方法很难提高系统性能。将模糊控制技术与神经网络技术相结合,提出了一种能适应各种交通客流状况的调度方法,设计了各电梯响应呼梯信号的综合评价函数,通过神经网络的学习能力调整各评价因素（候梯时间、乘梯时间、能量消耗、拥挤度）的权重系数,从而确定最佳派梯方案。仿真实验结果表明,此方法能在各种交通客流状况下实现合理的电梯调度,验证了此方法的有效性。     

GA模糊神经网络在电梯群控交通流识别中应用

本文介绍了应用基于遗传算法的模糊神经网络的电梯群控系统的交通流模式的识别方法.采用正规化模糊神经网络学习和训练来识别电梯群控系统交通流模式,并用遗传算法优化输入特征向量的隶属函数,实验结果表明,该方法能够准确识别交通流模式.     

现代电梯群控系统与人工智能技术

介绍用模糊逻辑、专家系统和神经网络等人工智能技术描述电梯交通系统的动态特性，讨论了人工智能技术在现代电梯群控系统中的应用。     

基于人工神经网络的自适应模糊电梯群控系统

针对电梯客流的随机性、离散性及电梯群控系统智能调度的复杂性。综合考虑了电梯运行的评价标准，结合了人工神经网络和模糊控制各自的优点，用神经网络的学习机制为模糊控制器自动提取并调整模糊规则及模糊隶属函数。提高了电梯群控的智能性。合理分配电梯应答，防止聚堆和忙闲不均情况的发生。大大减少了平均候梯时间和长候梯率。仿真实验及初步应用结果表明这种电梯调度方法是有效的。     

基于模糊控制的电梯群控系统的研究与设计

本文对电梯群控系统输入的交通数据进行了分析,通过模糊识别把输入的交通特征量区分出四种交通模式。本文对厅层信号控制进行了重点的研究,对系统中的输入变量的选择进行了对比、分析,从而选择出了比较恰当的隶属函数。在算法的设计中还考虑到交通模式对本文提出的三个程度函数权重的影响,最终提出了基于模糊控制的电梯群控方法。设计了一个综合评价函数来衡量电梯群控系统的运行。通过控制相应的三个程度函数(平均等待时间、平均乘梯时间和能量消耗),达到乘客满意,系统节能的目的。论文最后对所设计的电梯群控算法进行计算机仿真,仿真结果验证了算法的可行性。     

目的层预约与多智能体协调的电梯群控调度方法

针对电梯群控调度过程中交通流和乘客目的楼层的不确定性,为克服集中式群控系统计算瓶颈问题,提出了基于目的层预约结合多智能体技术的电梯群控调度方法。首先,设计了该电梯群控调度系统的结构,分析了目的层预约的多目标评价函数;然后,提出基于模糊逻辑的电梯交通模式在线识别方案,实现实时地更新不同交通模式下对应的各控制目标的权系数;最后,结合多智能体技术具有良好的实时性和自主性的特点,将各轿厢运行控制器和群控制器映射为多个代理,通过各个代理之间协调多目标优化任务以得到平均候梯时间、平均乘梯时间及能源消耗整体最优的分布式电梯群控调度算法。