本文關鍵詞：基于多模式的電梯群控算法與仿真研究

  更多相關文章： 電梯群控 群控策略 模糊控制 交通流模式 模糊神經網絡

【摘要】：電梯作為現(xiàn)代高樓大廈的重要交通工具,在生活中得到了越來越廣泛的應用。為了提升電梯的運行效率,需要多臺電梯來完成群控和調度,然而傳統(tǒng)的電梯群控方法往往存在呼梯不便,候梯時間長,功耗控制不力等問題。本課題以大廈群控電梯為研究對象,通過對群控電梯的多種交通流模式,包括上行高峰模式、下行高峰模式、2路交通模式、4路交通模式、平衡的層間交通模式以及空閑交通模式的特點及相應機制的分析,利用模糊神經網絡對交通模式進行特征識別,確定了網絡結構,并對神經網絡進行了訓練。在此基礎上,考慮乘客平均候梯時間、乘客平均乘梯時間、長時間候梯率、系統(tǒng)能耗等因素,確定了目標評價函數。最終選取呼梯響應時間、最大響應時間、響應能力、聚集度和總利用率作為評價指標參數輸入量,通過對輸入變量模糊化處理,建立了各因素的模糊推理機制,最終完成了基于多模式群控算法的電梯分配。最后,結合現(xiàn)有的仿真方法,利用MATLAB仿真軟件建立了客流發(fā)生器和群控算法模型,并基于此仿真模型以4臺20層電梯為例,對所提出的群控算法進行了仿真實驗。仿真結果表明,改進的多模式群控算法與傳統(tǒng)最短距離、最小等待時間以及遺傳算法相比,平均候梯時間、平均乘梯時間、長時間候梯率以及系統(tǒng)能耗等性能指標均具有不同程度的優(yōu)化。
【關鍵詞】：電梯群控 群控策略 模糊控制 交通流模式 模糊神經網絡
【學位授予單位】：河北科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU976.3;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-14
• 1.1 論文的研究背景8-9
• 1.1.1 研究背景8-9
• 1.1.2 選題意義9
• 1.2 電梯群控制的國內外發(fā)展現(xiàn)狀9-13
• 1.3 研究內容13-14
• 第2章 電梯群控系統(tǒng)的基礎理論14-26
• 2.1 電梯群控系統(tǒng)的結構14-20
• 2.1.1 電梯控制系統(tǒng)的基本概念14-15
• 2.1.2 電梯群控制系統(tǒng)發(fā)展階段15-19
• 2.1.3 電梯群控系統(tǒng)的基本結構19-20
• 2.2 電梯群控系統(tǒng)的功能20-21
• 2.3 電梯群控系統(tǒng)特性分析21-24
• 2.3.1 電梯群控的主要評價指標22-23
• 2.3.2 群控系統(tǒng)中的不確定因素23
• 2.3.3 電梯群控系統(tǒng)的擾動因素23-24
• 2.3.4 電梯群控系統(tǒng)的不完備性24
• 2.3.5 電梯群控系統(tǒng)的非線性24
• 2.4 本章小結24-26
• 第3章 電梯群控系統(tǒng)的模式識別26-36
• 3.1 大廈的交通模式26-29
• 3.1.1 上行高峰交通模式26-27
• 3.1.2 下行高峰模式27
• 3.1.3 2 路交通模式27-28
• 3.1.4 4 路交通模式28
• 3.1.5 平衡的層間交通模式28-29
• 3.1.6 空閑交通模式29
• 3.2 神經網絡在交通模式識別領域的應用29-31
• 3.2.1 模糊神經網絡的結構29-31
• 3.2.2 模糊神經網絡的學習算法31
• 3.3 將模糊神經網絡應用于交通模式識別31-34
• 3.3.1 交通模式的特征提取32
• 3.3.2 確定網絡結構32-33
• 3.3.3 訓練網絡33-34
• 3.4 本章小結34-36
• 第4章 派梯策略算法的設計36-46
• 4.1 評價函數的確定36-37
• 4.2 模糊輸入量的計算37-38
• 4.3 輸入變量的模糊化38-40
• 4.3.1 HCWT的模糊化38
• 4.3.2 LWT的模糊化38-39
• 4.3.3 CV的模糊化39
• 4.3.4 GD的模糊化39-40
• 4.3.5 UR的模糊化40
• 4.4 模糊推理的建立40-44
• 4.4.1 平均候梯時間模糊推理規(guī)則41-42
• 4.4.2 長時候梯率模糊推理規(guī)則42
• 4.4.3 電梯能耗PC的模糊推理規(guī)則42-43
• 4.4.4 電梯的平均乘梯時間的模糊推理規(guī)則43-44
• 4.5 層廳呼叫信號的最終分配44-45
• 4.6 本章小結45-46
• 第5章 群控策略的仿真實現(xiàn)46-58
• 5.1 派梯仿真46-55
• 5.1.1 電梯群控仿真方法46-47
• 5.1.2 仿真設定47-48
• 5.1.3 仿真的組成48-49
• 5.1.4 客流發(fā)生器及對比算法建模49-55
• 5.2 仿真結果分析55-56
• 5.3 本章小結56-58
• 結論58-60
• 參考文獻60-64
• 致謝64-66
• 個人簡歷66

【相似文獻】

中國期刊全文數據庫 前10條

1 黃雯雯;;電梯群控技術的現(xiàn)狀與發(fā)展方向[J];硅谷;2014年02期

2 趙亞偉,徐寶全,張勰;基于現(xiàn)場總線的電梯群控模型及其算法[J];控制工程;2004年02期

3 羅喬東,武自芳,辛樂;基于模糊綜合評判的電梯群控算法的研究與實現(xiàn)[J];自動化儀表;2004年01期

4 朱明富,雷科,王國萍;電梯群控制系統(tǒng)的設計與實現(xiàn)[J];武漢理工大學學報(信息與管理工程版);2005年04期

5 楊禎山;邵誠;;電梯群控技術的現(xiàn)狀與發(fā)展方向[J];控制與決策;2005年12期

6 郁宙;;電梯群控系統(tǒng)控制算法的分析[J];江蘇電器;2007年02期

7 曹鋒;李連民;;淺談智能建筑中的電梯群控技術[J];山西建筑;2007年21期

8 楊素;丁寶;;電梯群控待梯人群識別技術研究[J];控制工程;2008年S1期

9 張月嶺;楊玉星;李寰;;基于乘客分類的電梯群控策略研究[J];微計算機信息;2008年12期

10 趙碩;唱江華;何鵬;;基于多目標的電梯群控派梯算法的研究與實現(xiàn)[J];齊齊哈爾大學學報;2008年06期

中國重要會議論文全文數據庫 前7條

1 宗群;王維佳;孫志明;;基于魯棒離散優(yōu)化建模方法的電梯群控調度策略[A];第二十六屆中國控制會議論文集[C];2007年

2 馮興梅;李彥平;陳亮;;電梯群控最佳動態(tài)調度策略研究[A];2006全國復雜網絡學術會議論文集[C];2006年

3 馮雷;張欣;張秀坤;;基于多目標進化算法的電梯群控優(yōu)化調度仿真[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

4 閆冬梅;顧德英;;基于MATLAB/SIMULINK/FUZZY BOX電梯群控不確定性的研究與仿真[A];第六屆中國青年運籌與管理學者大會論文集[C];2004年

5 張昆;段其昌;張從力;;基于模糊控制的多目標電梯群控技術[A];中國儀器儀表學會第六屆青年學術會議論文集[C];2004年

6 李彥平;馮興梅;陳亮;;電梯群控最佳調度策略研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 張健;王艷秋;;基于遺傳BP模糊神經網絡的電梯群控技術研究[A];自動化技術與冶金流程節(jié)能減排——全國冶金自動化信息網2008年會論文集[C];2008年

中國博士學位論文全文數據庫 前3條

1 楊廣全;電梯交通流分析及電梯群控策略研究[D];上海交通大學;2007年

2 宗群;虛擬環(huán)境下智能電梯群控調度方法的研究[D];天津大學;2003年

3 李中華;垂直交通客流分析與電梯群控制優(yōu)化研究[D];華南理工大學;2005年

中國碩士學位論文全文數據庫 前10條

1 劉政;基于強化學習的電梯群控調度技術研究[D];哈爾濱理工大學;2014年

2 蘭琪;電梯群控的優(yōu)化調度研究[D];太原理工大學;2016年

3 李春;目的層電梯群控策略研究與設計[D];東北大學;2014年

4 王平安;電梯群控并行系統(tǒng)研究[D];東北大學;2014年

5 黃志鋒;基于強化學習的電梯群控調度技術研究[D];蘇州大學;2016年

6 林佳;基于統(tǒng)計分析的電梯群控節(jié)能調度方法研究[D];華南理工大學;2016年

7 赫嬌嬌;基于模糊控制技術的電梯群控制系統(tǒng)的研究與設計[D];東北大學;2013年

8 翟秋君;基于多模式的電梯群控算法與仿真研究[D];河北科技大學;2016年

9 袁源;電梯群控系統(tǒng)仿真平臺設計和應用[D];華中科技大學;2007年

10 韓奎;最小乘梯時間電梯群控算法及仿真平臺研究[D];上海交通大學;2008年

，

本文編號：1066878