目的层预约的模糊神经网络电梯群控策略

根据目的层预约电梯系统的新型客流分配模式,分析并归纳出目的层预约情况下电梯群控系统的特征属性,提出一种多目标模糊神经网络电梯群控策略.把目的层预约电梯系统的特征属性作为多目标模糊神经网络的输入,建立并训练模糊神经网络,最后利用该模糊神经网络进行派梯计算.仿真试验证明该群控策略可得到满意的效果.与传统电梯群控策略以及其他目的层预约电梯群控策略的对比试验证明,该方法在提高电梯平均系统时间、长候梯率、长乘梯率及节约能耗等方面都体现出较好的性能优化效果,对高峰交通流模式下的电梯群控系统效果显著.     

基于S7-1200 PLC和专家函数的群控电梯系统设计

当今世界,电梯已然成为楼宇建筑必备的交通工具,随着电梯控制技术的发展和人们对乘梯质量要求的提高,如何能够全面提高电梯的服务质量一直是群控电梯领域的研究热点。该文以西门子S7-1200PLC为主控制器,设计了一款基于专家函数的S7-1200群控电梯控制系统,针对群控电梯的3个评价指标——乘客候梯时间、乘客乘梯时间、能源消耗量对系统进行评价,结果验证了该系统设计具有一定的实际应用价值。     

改进的遗传算法在电梯群控中应用

针对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个目标优化的电梯群问题,给出一个改进的遗传算法。该算法在选择,交叉,变异操作时,采用首位存在最优个体,在生成初始种群时采用模糊生成其中一个解的方法。并把改进的遗传算法应用到实际电梯群控中,数值结果表示该方法是有效的,可行的。     

基于图像采集的电梯控制粒子群算法研究

论文对以往的电梯派梯算法进行改进.在电梯信息采集模块中加入图像处理模块,来增加电梯呼梯信号的可信度.派梯算法模块中采用多目标粒子群优化算法,对电梯的耗能,乘客乘梯和候梯时间等几个目标进行优化.     

电梯服务系统仿真设计

研究了群控系统的特点，分析了电梯乘客的泊松到达模式并据此产生乘客流数据，在此基础上，设计开发了电梯服务仿真试验系统，采用面向对象技术对软件系统进行构造，硬件系统参考实际电梯系统设计实现，试验系统的群控模块可针对不同群控策略重新构造进行仿真研究，给出了一种基于多目标控制的群控算法运行实例。     

基于神经网络理论的智能电梯联想学习功能设计

介绍了一种基于神经元网络理论的单部智能电梯联想学习的设计过程.通过调整网络输入权值使各输入之间产生内在的联系,达到乘梯者不输入目的层的情况下电梯也可以推测乘梯者的目的层,该方法适用于使用专用电梯的各种场合,给使用者带来了方便,减少了乘梯时间.     

基于多Agent的电梯智能群控系统

给出了基于Agent的多电梯智能群控系统结构,并对其中的状态协调Agent以及调度Agent进行了深入研究,在分析电梯乘客需求的随机性与周期性特点的基础上,给出了建立客流模板的学习算法.根据乘客的现实需求和预测得出的潜在需求对梯群预测调度,给出了选择客流模板的算法和基于乘客需求预测的最大引力派梯算法.该方法能够利用预测的乘客需求,尽量减小调度的滞后性,从而减少乘客的平均候梯时间及长时间等待率.仿真结果显示了该方法的优越性.     

基于知识的自适应电梯群控制策略

为获得更低的平均候梯时间和长候梯率,提出一种基于知识的自适应电梯群控制策略.该控制策略汇集了区域权重控制算法、电梯运行操作知识以及层站召唤再分配规则,基于自适应的长候梯时间阈值,对长候梯层站召唤执行再分配操作,凸现了电梯群控制策略对复杂电梯交通的自适应性.与经典THV算法、基于知识的区域权重控制算法、人工免疫动态优化算法比较,该方法能获得更低的平均候梯时间和长候梯率.同时,其自适应能力使得该控制策略更易于应用在实际电梯群控制系统中.     

基于模糊控制的群控电梯调度算法研究

在分析模糊综合评判决策的数学基础上,针对大多数的群控系统采用单一评价指标的厅层呼叫方式来调度电梯,建立了多目标模糊控制的数学模型。对电梯群控系统的输入量进行分析计算,选择合适的隶属函数,提出了基于多个评价指标的模糊综合评判群控算法。在不同的交通模式下对评价指标赋予不同的权重,并对综合评价函数进行计算,通过模糊推理得到合适的派梯结果,达到使乘客满意并节约能耗的目的。对所提出的群控算法进行了仿真分析。     

现代群控电梯客流控制

对客流控制机理进行新的探索,将乘客候梯时间和乘梯时间作为服务质量指标并提．改革了呼梯信号源,试用新的控制策略,以人工神经网络模型为参考提供一个预测型电梯群控系统的新思路．     

基于蚁群算法的电梯群控系统节能策略的优化研究

电梯群控系统的目标是分配电梯服务以满足各层客户的呼叫需求,属典型的组合优化问题,而蚁群算法常用于解决离散组合优化问题．其良好的全局优化能力与快速收敛特性适合于电梯群控．然而当前的调度算法主要集中在减少乘客的等待和乘坐时间上,却忽略了电梯群的耗能问题．为实现节能的目标,建立了能量目标函数和电梯群控系统的蚁群模型,并给出了优化方案和收敛的算法．模拟结果证明了算法的有效性．     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

基于时空特征提取的城市轨道交通乘客出行目的地预测

为满足城市轨道交通运营组织进行客流管控和行车调度的实时需求,提出了基于乘客OD时空特征的出行目的地在线预测方法。通过分析定义乘客OD时空特征矩阵,以乘客个体的历史自动售检票系统（AFC）数据为训练样本,提出了基于行程密度聚类的乘客OD时空特征提取方法。分析制定乘客实时进站刷卡信息与其OD时空特征矩阵的匹配规则,基于3种匹配情况分别提出了相应的目的地实时预测方法。以南京市轨道交通AFC数据为实例进行验证,结果表明本文提出的预测方法在高峰时段预测准确率、全天预测稳定性等方面效果良好,可为地铁运营组织提供参考。     

基于蚁群算法的电梯群控系统节能策略的优化研究

电梯群控系统的目标是分配电梯服务以满足各层客户的呼叫需求,属典型的组合优化问题,而蚁群算法常用于解决离散组合优化问题.其良好的全局优化能力与快速收敛特性适合于电梯群控.然而当前的调度算法主要集中在减少乘客的等待和乘坐时间上,却忽略了电梯群的耗能问题.为实现节能的目标,建立了能量目标函数和电梯群控系统的蚁群模型,并给出了优化方案和收敛的算法.模拟结果证明了算法的有效性.     

一种集成智能的电梯群控技术

针对当前出现的多种电梯群控算法的不足,本文简要介绍了基于人工智能（Artificial Intelligence）的思想及其集成控制方法,以满足电梯客流动态随机性的要求。这种集成控制可对电梯交通模式进行识别和智能预测,从而大大减少乘客候梯时间和能量消耗．并设计了程序仿真电梯调度方法。     

基于风险度和灰色理论的电梯安全评价及其应用

为了有效的评价电梯的安全状况,减少电梯事故的发生,提出了风险度和灰色理论相结合的评价方法来评估电梯的安全状况,从严重度和可能性两个方面建立电梯安全评价指标体系,运用AHP和熵权法确定权重的基础上,引入了距离函数法和最小相对信息熵原理确定权重组合,在运用灰色理论建立白化权函数的同时,结合事故风险度理论对电梯的风险值进行修正,根据修正后的风险值来评估电梯的风险等级。方法应用于某乘客电梯,结果表明：此电梯存在安全隐患,通过计算未建立风险度理论和仅考虑电梯部件因素等两组试验下的电梯风险值,并与建立风险度理论而得到的电梯风险值作对比分析,从而证明本法能准确的反映出电梯的安全状况。     

高层商务楼中的电梯运行管理方案设计

在分析比较现有高层电梯运行管理设计方案的基础上,在保证员工的正常工作和出行的情况下,建立了尽可能降低能耗又使乘客等待时间尽可能短的电梯运行的数学模型。最后结合实例编制了Lingo程序,得到了最优解,从而验证了所建模型的合理性。