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．     

电梯群控系统的一种鲁棒离散优化调度策略

针对电梯群控调度过程中交通不确定的问题,提出一种电梯群控调度的鲁棒离散优化方法.将交通流作为不确定参数,考虑当前时刻和下一时刻交通流状况,将下一时刻交通流预测的不准确性作为不确定因素,建立电梯群控调度的鲁棒离散优化模型.针对该模型的特点,进一步提出了解决方法.仿真结果表明,该方法在电梯群控调度性能和交通模式的适应性方面得到较大改善.     

电梯群的可调整鲁棒优化调度

为解决电梯群控调度(GES)中乘客交通流不确定问题, 提出基于可调整鲁棒优化的电梯群控调度方法. 基于对电梯交通流的不确定特性分析, 建立了电梯群控调度的不确定优化模型. 利用可调整鲁棒优化方法将电梯群控调度的不确定模型转化为其可调整鲁棒对等式. 在此基础上, 证明了在不确定集为椭球集直积时, 电梯群控调度模型的可调整鲁棒对等式(ARC)是可计算的. 仿真验证表明, 与其他的调度方法相比, 该方法具有较好的调度性能, 提高了调度对不同乘客交通流模式的适应性.     

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。     

电梯群控系统仿真平台的设计与应用

电梯群控算法是电梯群控系统的核心部分,为了测试各种群控算法的性能,本文提出了一种基于Delphi和Matlab的电梯群控系统仿真平台的设计方法.Delphi是新一代面向对象、可视化的编程环境,而Matlab具有强大的数值计算和图形处理能力,把二者结合起来,利用DDE技术实现二者的动态数据交换.该仿真平台能够产生交通流,并根据交通流进行模式识别,模拟实际梯群的运行,并对梯群进行仿真调度,分析仿真结果.它为测试电梯群控算法、仿真电梯运行过程、进行电梯配置等工作提供了一个方便的试验平台,是研究电梯群控系统必不可少的有力工具.     

基于遗传算法的层间交通模式算法研究

针对电梯群控系统层间交通模式下用户对电梯需求多样化的特点,提出了一种用于不同交通流繁重程度的层间交通模式下的调度方法,并采用遗传算法动态优化电梯调度方案,以多目标的评价函数的优化组合作为目标寻求最优派梯方案,根据电梯的运行状态和各层站的呼叫信号,构造适应度函数。在虚拟电梯群控系统环境下,对该基于遗传算法的层间交通流模式下的派梯算法进行验证、比较和分析,证明了该算法的优越性。     

基于鲁棒优化理论的电梯群控调度策略

论文针对不确定线性优化问题,研究其不确定集的选择,初始不确定鲁棒优化模型的建立,以及基于该模型的鲁棒对等式转化问题.然后将鲁棒优化建模方法应用于电梯群控调度问题,建立其鲁棒优化模型,解决了交通流不确定性的影响,从而使调度结果更为合理.结合电梯群控虚拟仿真环境,设计了电梯群控鲁棒优化调度算法,并进行仿真验证.通过与其他调度算法的比较,证明了鲁棒优化调度算法在不同交通流F均具有优良的性能和适应能力.实验表明,鲁棒优化调度方法可以解决交通流预测误差的影响,很好地改善电梯群控调度性能.     

电梯交通模式的模糊神经网络识别

交通模式识别的准确性将直接影响群控系统的整体性能,通过对各种电梯交通模式识别方法优、缺点的分析比较,考虑电梯交通模式的判断条件,结合神经网络和模糊推理,设计了一种基于模糊神经网络的电梯交通模式识别方法,该方法能够适应各种交通流模式的变化,并采用相应的电梯群控调度策略。     

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。     

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.     

电梯交通配置图线研究

根据作者建立的电梯交通系统整体有向图，对电梯交通分析和配置从图线上为用户提供一种切实可行的、简便的方法。它是完成最优购置和配置电梯，进行梯群模糊控制和设计专家系统时不可缺少的技术手段。     

基于电梯交通流概率仿真模型的空闲交通模式电梯调度方法

首先建立电梯交通流概率仿真模型,然后利用该模型进行空闲交通模式下的电梯调度。该电梯调度方法有效地避免了电梯“空驶现象”,并大大降低了方法的复杂性。在仿真实验中,通过与其它空闲交通模式电梯调度方法的比较,可验证本方法的可行性和有效性。     

基于模糊控制的半数字键盘电梯群控系统

电梯群控系统的结构决定着电梯交通信息的完善性。信息的非完整性妨碍了电梯群控调度算法的实施。而全数字键盘虽然可以对电梯实施更好的调度,但是硬件的安装增加了电梯系统的成本。文中介绍了一种经济型的半数字键盘的电梯群控模型,能够降低成本和获取必要的客流信息。基于乘客两种不同需求的考虑,推导了乘客的最长候梯时间和最大冲击数的估算公式,采用基于模糊控制的电梯群控策略,符合人们对电梯服务水平的语言级评价。文中仿真试验在采用的半数字电梯群控系统和常规电梯群控系统、全数字群控系统之间做了比较。结果表明,该群控模型表现出较好的性能,乘客的乘梯时间和服务时间有所降低,是一种经济实用的群控模型。     

免疫规划K-均值聚类算法识别电梯群控交通流模式

提出了一种基于免疫规划K-均值聚类算法的电梯交通流模式识别新方法,以该系统前7 d的交通流数据为样本,采用免疫k-均值算法对其进行聚类分析,产生的类别对应交通流模式,将实时采样数据划分到交通流模式对应的类中,能够识别25种交通流模式;实验表明该方法识别电梯交通流模式正确率高,可以指导系统优化派梯策略,算法的收敛速度较快,能够满足群控系统的实时性要求.     

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。     

一种基于LonWorks的电梯群控系统实现方法

根据电梯群控系统的特性,设计了系统的调度软件,使用统计的方法判断群控系统的客流交通模式,确定了电梯目标评价函数,同时介绍了系统的控制模块设计方法。采用LonWorks现场总线技术,增强了系统的实时性和可靠性,并使其具有良好的可扩展性和推广价值。