直驱多轿厢电梯群控系统的客流交通模式识别

在直驱多轿厢电梯运行中,乘客客流交通模式是影响电梯系统运行性能的一个重要因素。为了提高系统的服务标准,制定合理的群控调度策略,实现系统的优化调度,设计了基于目的层预约的直驱多轿厢电梯群控系统。在乘客客流交通信息提前预知的情况下,利用模糊逻辑控制,通过建立隶属度函数、模糊规则等步骤对多轿厢电梯系统的客流交通模式进行识别。最后,通过应用实例将模糊控制与BP神经网络算法进行对比,结果表明,在试验样本有限的条件下,基于目的层预约的直驱多轿厢电梯群控系统中采用模糊逻辑控制可以更加方便、准确地识别不同的客流交通类型,这为系统进一步的优化调度奠定了基础。     

灵活型接驳公交路径优化及协同调度模型

在已知乘客需求和车队规模的条件下,以综合考虑出行者(包括最小化乘客等待接驳公交车时间、最小化乘客实际乘坐与期望乘坐主线公交的时间差值)和运营者(最小化车辆运营时间)双方利益为优化目标,建立了灵活型接驳公交路径优化和协同调度的同步优化模型。由于该模型目标函数为非线性,本文为求解方便将其进一步转化为混合整数规划模型,并采用基于重力模型的一种启发式算法对模型进行求解,最后通过实例验证了该调度模型的可靠性和实用性。     

基于排队论的电梯交通系统阈值控制方式

目的寻找电梯交通系统最佳调度控制策略.方法将排队论理论应用到电梯群控系统中,对电梯上升高峰期间运行参数进行分析,讨论电梯乘客人数与平均候梯时间、乘客到达率等变量之间的关系,提出一种基于M/Mr/1排队系统模型的阈值策略控制方法.结果借助计算机在不同情况下对所提出方法进行了仿真试验,并以真实建筑物的电梯数据为例,采用不同的调度控制方法对不同的性能指标进行了对比分析,验证了排队论阈值方法在电梯群控系统中应用的可行性.结论试验结果表明,基于排队论的阈值方法是一种在电梯上升高峰期间理论合理、实施性较强的调度控制方法.     

响应动态需求的灵活型公交路径优化调度模型

为解决灵活公交乘客需求差异性大、实时变化性大的问题,提出一种考虑乘客动态需求的灵活公交路径优化调度模型.在已知乘客预约需求量、车辆载客容量、车队规模等条件下,根据乘客需求动态变化特征对接驳行程时间进行实时迭代更新,将车辆的运营成本(车辆行驶时间)和乘客的时间成本(乘客上车前等待车辆的时间、实际到达时间与期望到达时间之间的差值)最小化作为目标,构建了考虑乘客动态需求的灵活型公交路径优化调度模型,并采用基于引力模型的启发式算法进行求解.最后,通过实例分析验证了模型和算法的可行性.结果表明:对随机产生的15个需求点的102个出行需求,全部服务完成所需车辆为17～21辆,平均每辆车的旅行时间为24.59 min,100组数据的求解时间均在25.00 s以内,计算耗时平均为12.04 s.可见该优化模型能够在实时调整接驳规划时间的前提下,更大程度满足乘客动态需求,有效减小规划路径的误差,缩短行车距离和乘客出行时间,相比忽略接驳行程时间变化的灵活公交调度模型结果更优.     

公交优化调度模型

对公交调度发车间隔的优化进行了研究。在合理假设的前提下 ,建立了以公交公司一天的总发车车次最少和乘客一天的总等车时间最短为目标的优化调度模型 ,并对该模型目标函数中的一些问题作了详细的分析讨论。结果表明 ,该模型兼顾了公交公司和乘客二者的利益 ,合理、实用     

哈尔滨市25路公交车发车间隔的优化

公交调度是公交企业运营管理的核心内容,对公交调度优化方法进行研究是提高运营调度水平、增强公交吸引力的关键.阐述乘客满意度、乘客舒适度和企业满意度的调查方法及黄金分隔求解法,并通过对哈尔滨市25路的交通调查,运用基于乘客与企业满意度的模型对发车间隔进行优化,运用黄金分隔法进行建模求解,确定发车时刻表,为优化公交调度提供依...     

电梯群控系统研究及优化设计

基于德普(DPRO)电梯仿真实训模型,研究了单部电梯控制逻辑和多梯集群控制方法,以乘客等待时间最小为控制目标,对电梯集群控制算法进行了优化。采用西门子S7-1200 PLC设计了电梯集群自动控制系统,通过TIA Portal软件编写了电梯群控系统程序和上位机监控画面,实现了六部电梯集群自动控制和运行状态实时监控,仿真结果表明,改进后的系统有效降低了乘客的平均候梯时间,并提高了电梯群整体工作效率。     

高层建筑客梯运行状况的仿真

为了评估高层建筑中所配置的电梯是否满足要求,需要研究电梯的运送能力。本文提出了应用计算机动态仿真于客梯运行状况研究的方法。客梯系统是一个典型的离散型随机服务系统。选择了评估系统的指标:高峰运行时乘客的平均等待时间及乘客等待客梯运送的最大排队长度。表征客流状况的单位时间内乘客到达数是一个重要的随机变量。讨论了它的概率分布。根据其泊松分布的特性,可以算出乘客到达的时间间隔及客梯每上下一次运行所需的时间。在这个基础上,采用了下次事件推进法进行持续的仿真。所提出的客梯系统的动态仿真法不仅可以获得其它估算方法所不能获得的仿真结果,并可进一步推广到电梯群控系统。本文以单台客梯为例,给出了仿真程序框图。     

基于粒子群优化模糊核聚类的电梯群交通模式识别

为了改善电梯群控系统的性能,使电梯群节能并高效运行,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,提出一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法．利用基于梯度下降的粒子群优化算法代替KFCM算法的迭代过程,可使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度．利用核方法将低维特征空间的样本映射到高维特征空间,增加对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类．采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确．     

基于Delphi的可视化交互性虚拟电梯

目的 为电梯群控策略提供经济有效的测试平台及为实践教学提供造价低廉的实验环境．方法 将面向对象编程语言应用于电梯中，根据建筑物约束和电梯系统交通数据等参数，提出一种基于Delphi可视化交互性虚拟电梯分析设计方法．结果 通过计算机实现虚拟电梯的动态模拟仿真和静态模拟仿真，得出了电梯往返时间，载客率，间隔时间，候梯时间，能够实时显示电梯运行状态和当前位置等．结论 虚拟电梯提供了经济有效的实验平台，真实反映电梯内选外呼、电梯门及轿内外运行状态，得出电梯静态参数设计及动态实时运行状况，预测出电梯交通流量和乘客候梯时间等．是测试电梯控制算法和进行电梯优化调度的有效试验手段．     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

基于数学建模的电梯控制系统的设计

从电梯运行规划入手,以电梯运行状态和运行路线最佳为目的,结合多目标规划和动态规划来对电梯控制进行数学建模,提出了电梯运行状态模型和电梯运行最佳路线模型,并编写了PLC控制程序。     

基于双层规划模型的电梯交通系统群组优化

目的针对上行高峰交通条件,分析电梯交通系统的性能指标,建立了高层建筑电梯群组分区运行的多目标优化数学模型.提出了采用双层规划模型及遗传算法求解一类特定的多目标问题的新方法.方法通过权向量整体优化以获取目标函数的最优值,进而获得科学合理的决策变量.结果克服了线性组合加权法中依据偏好确定权值的传统方法的缺点,同时对得到的最优解进行成本消耗分析,得出与建筑物特性相关的最终优化运行方案.结论该研究对高层建筑垂直交通系统的设计及其电梯群控技术的实施提供重要依据.算例及仿真结果表明该方法的有效性.     

电梯群控系统的实现

以实际搭建的电梯模型为控制对象,提出采用数据库结构的方式来实现电梯控制的调度策略,采用最小等待时间算法在PLC中编程计算出各个重要参数,然后在上位机中调用计算,从而优化电梯,实现群控。采用柔性Flex I/O方便地解决了电梯繁多的硬接线,采用160SSC变频器驱动电梯运行,运用设备网实现了变频器故障的自动设备替换功能,提高了系统的可靠性。     

Reinforcement learning with partitioning function system

The size of state-space is the limiting factor in applying reinforcement learning algorithms to practical cases. A reinforeement learning system with partitioning function (RLWPF) is established, in which statespace is partitioned into several regions. Inside the performance principle of RLWPF is based on a Semi-Markov decision process and has general significance. It can be applied to any reinforcement learning with a large statespace. In RLWPF, the partitioning module dispatches agents into different regions in order to decrease the state-space of each agent. This article proves the convergence of the SARSA algorithm for a Semi-Markov decision process, ensuring the convergence of RLWPF by analyzing the equivalence of two value functions in two Semi-Markov decision processes before and after partitioning. This article can show that the optimal policy learned by RLWPF is consistent with prior domain knowledge. An elevator group system is devised to decrease the average waiting time of passengers. Four agents control four elevator cars respectively. Based on RLWPF, a partitioning module is developed through defining a uniform round trip time as the partitioning criteria, making the wait time of most passengers more or less identical then elevator cars should only answer hall calls in their own region. Compared with ordinal‘ elevator systems and reinforcement learning systems without partitioning module, the performance results show the advantage of RLWPF.     

模糊控制在群控电梯中的应用

介绍了模糊控制在群控电梯中的应用，阐述了群控电梯模糊控制系统的工作原理及结构，说明采用模糊控制方法，可提高电梯的利用效率，减少乘客的平均等待时间。