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.     

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。     

基于等间隔运行模式的群组电梯系统优化调度方法

针对群组电梯系统运行调度优化问题,本文采用多目标优化模型,基于电梯群组等间隔运行模式的操作规则,建立一类以乘客平均候梯时间最短为主要目标的群组优化策略.通过分析群组电梯系统运行中乘客候梯时间、服务时间、轿厢拥挤度和电梯能耗等指标,建立电梯系统运行的动态指标评价模型,考虑电梯客流的随机性因素,提出乘客候梯等间隔派梯规则和算法,实现了电梯系统多目标优化的动态调度方法.实验结果表明,对比传统的最短距离调度算法,本文方法可以降低乘客平均候梯时间13.1%,提高群组电梯系统工作性能.     

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.     

基于模糊控制的多电梯智能调度算法研究磁

交通状态是多电梯调度系统研究的重要背景,交通流的产生是由乘客流动形成的,而乘客又是电梯运送的对象,即交通系统和输送对象相关。因此通过分析交通状态预测交通流的动态趋势,确定相应交通模式,才可以对多电梯系统调度进行优化,从而达到减少乘客待梯与乘梯时间,提高电梯运送效率,减少系统中电梯的起停次数,降低能耗。论文研究多电梯调度算法,运用模糊控制理论对其进行优化。模糊控制是人工智能的重要内容,结合专家控制理论、模糊集合控制理论和神经网络控制理论,以模糊变量及模糊推理为基础的一种智能计算机控制。     

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。     

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。     

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。     

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。     

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。     

电梯群控系统的最优调度仿真

在电梯群控节能优化问题的研究中,电梯群控调度是一个开放、动态、复杂系统的多目标优化问题。但是目前大多数群控系统都采用了乘客最少候梯时间的原则来派梯,并没有从电梯的能源消耗等综合因素来调度电梯,从而降低了电梯群控系统的调度性能。并且传统的调度方法在全局收敛性上不能得到很好的满足。为此提出一种蚁群算法的电梯群控系统来进行最佳电梯调度,利用乘客的候梯时间、电梯耗能和电梯拥挤度作为算法的变量数据,并且建立多目标评价函数的蚁群优化模型的控制器,通过蚁群算法进行仿真,验证了蚁群算法对电梯群控得到良好效果,并解决了电梯群控制器对电梯调度单一和全局快速收敛性的问题,为提高电梯群控调度性能提供了参考。     

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ABC-SA混合算法的群控电梯优化调度

为解决电梯群控系统（Elevator group control system,EGCS）时间和能耗性能不理想的问题,提出一种基于改进人工蜂群的电梯群控多目标优化调度算法。首先,针对EGCS控制目标复杂性,建立具有多评价指标的群控电梯调度模型,依据该模型的适应度值进行合理派梯选择;其次,引入模拟退火准则优化基本人工蜂群算法结构以解决算法易陷入局部最优解的问题,使用混合改进的人工蜂群算法进行多目标优化调度。仿真结果表明,所提算法在侯梯时间、乘梯时间和停靠次数三个性能指标上对比基本人工蜂群算法均有所提高,有效说明该方法在求解柔性多目标群控电梯优化调度时具有一定的优越性。     

电梯群控系统客流分析与仿真

该文基于电梯群控系统中随机的乘客到达过程是一个Poison过程的假设,导出乘客到达的时间公式,给出一种运用Monte-Carlo抽样法确定每个乘客运行的起始楼层和目标楼层的电梯客流分析模型,并对它们进行了仿真研究。该文提出的电梯客流分析模型对于电梯系统的交通分析、配置设计、电梯群控系统及其仿真的研究都具有重要意义。     

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。