《人工智能原理及应用》课程设计电梯群控制系统的应用设计

吉林工程技术师范学院人工智能原理及应用设计题目： 电梯群控制系统的应用 专 业： 信息管理与信息系统 班 级： 0841 学生姓名： 学 号： 33 信息工程学院摘 要随着高层建筑的不断发展，人们对电梯服务质量提出越来越高的要求，单台电梯往往不能满足建筑物内的交通需要。为了缩短人们的候梯时间，减少能量损耗，需要合理安装多台电梯并进行集中统一的控制，这种多台电梯的优化调度系统就是电梯群控系统(EGCS)。由于电梯群控系统具有随机性、非线性，并且难以建立精确的数学模型，运用智能控制的方法成为可能和可行。本文研究了模糊神经网络，用神经网络结构进行模糊推理，用BP算法调节和优化具有局部性的参数。本文提出了基于模糊神经网络的电梯群控系统，从乘客的角度出发，相对候梯时间强调了降低乘客的乘梯时间，同时综合考虑电梯运行的评价标准并建立了相应的模糊规则。最后，对电梯群控系统的模糊神经网络控制方法进行仿真，并与传统的舯控方法进行比较，结果正明基丁模糊神经网络的电梯群控可以适用于各种叟通流模式，又能满足各单一交通模式下的性能要求。关键词：电梯群控 多目标控制 群第一章 电梯群控系统描述国的经济飞速发展，人民生活水平迅速提高，工作居住条件得到了巨大改善。电梯作为建筑物内的垂直交通运输工具，与人们的工作和生活息息相关。随着人们生活质量的提高，对电梯群控系统提出了更高的要求。 高层建筑的客流转移速度，通常将多台(38台)电梯安装在一起，构成电梯群，对大楼实行集中服务。电梯群控系统是采用优化控制策略来管理梯群，以最合适的方式应答各层站及轿厢内的呼梯信号，提高电梯的运行效率和服务质量。电梯群控过程一般是首先实时采集交通信息以获取影响电梯调度的原始数据，如电梯状态，客流量等，并将其作为电梯调度单元的输入。然后电梯调度单元根据这些信息采用各种调度算法选择一部适合分配的电梯，并将分配信号输出到该电梯的控制器。电梯乘客对电梯性能的评价十分重要，作为公共交通工具的电梯系统，最重要的是为乘客提供安全感、舒适感。乘客对电梯的要求可分为两类，生理上和心理上的，即身体上的承受能力和一C,N_lz雕j承受能力“1。传统的电梯群控系统只考虑了心理承受能力，而忽略了身体承受能力。实际上，生理和心理上的舒适感密切相关，生理上的不舒适会加剧乘客心理上的不愉快。因此，电梯群控系统的设计不应仅考虑乘客心理需要，更应从满足生理需要来促进心理要求的满足。智能技术的不断发展和成功应用，人们将人工智能的思想引入电梯群控系统，其中以模糊控制的研究居多。模糊控制是从行为上模拟人的模糊推理和决策过程的一种实用控制方法，具有推理简单、高效的特点瞻1。文献36提出基于模糊控制的电梯群控系统，但没有考虑电梯的启动和停止对乘客生理产生的冲击。本文则从满足乘客心理和生理需求的角度出发，推导了乘客最大冲击次数的估算公式，通过估算乘客最长服务时间和乘客最大冲击次数，运用模糊逻辑推理，实现楼层召唤在电梯群中的合理分配，提高了电梯对乘客的服务质量。第二章 电梯群控制系统运行目标电梯群控制系统的目的是为了提高电梯群(组)的运行效率、尽可能缩短乘客候梯时间和提高对乘客的服务质量，并有效地减少电力损耗。传统的电梯群控算法只有一个控制目标：最小的等待时间，它能使乘客在发出呼梯信号后短时间内乘上电梯。但因为单纯追求最小等待时间，忽略了乘梯时间、拥挤度、能量损耗等因素，所以难以满足需要。基于模糊神经网络的群控算法的产生不仅能保证有一个足够短的候梯时间让乘客满意，还能有效地控制乘梯时间，并且在限制拥挤度、控制能量损耗等方面也有出色的表现。在本控制算法研究中，使用三个控制目标：候梯者满意度、乘梯者的满意度、能量的损耗。即在保证候梯者与乘客都满意的前提下，有效地控制能量的损耗。对电梯性能的评价十分重要，作为公共交通工具的电梯系统，最重要的是为乘客提供安全感、舒适感。乘客对电梯的要求可分为两类，生理上和心理上的，即身体上的承受能力和心理上的承受能力。传统的电梯群控系统只考虑了心理承受能力，而忽略了身体承受能力。实际上，生理和心理上的舒适感密切相关，生理上的不舒适会加剧乘客心理上的不愉快。因此，电梯群控系统的设计不应仅考虑乘客心理需要，更应从满足生理需要来促进心理要求的满足。 不同的客流状况，一天内的不同时间段，候梯时间是影响乘客心理状态的主要因素，通常对于办公大楼，最长候梯时间应不超过60s。乘梯时问的长短是影响乘客心理状态的第二位因素。当乘梯时间超过90s时，乘客会对电梯的停靠变得极不耐烦，其容忍程度取决于乘客当时的心情，是否有同伴同行，其他乘客的行为举止，轿厢的拥挤程度等因素。乘客的乘梯时间，除取决于乘梯距离外，还取决于电梯的停站次数，乘客在乘梯过程中经受的停站次数(冲击次数)越少感觉越舒服。所以，从乘客的角度看，减少电梯的停站次数，即减少乘客的冲击次数与降低乘客的乘梯时间在本质上是一致的。另外，电梯系统的能源消耗主要集中在电梯的启停，因此，减少电梯的停站次数可以减少能源消耗。第三章 控制方案选定网络技术是指把人类的经验和知识进行数字化的模糊处理，把规则和推理转换成神经网络的映射处理和直接从数据样本中提取经验规则，然后把这两种转换结合起来进行智能信息处理和智能控制的技术。模糊神经网络的特长在于逻辑推理能力，能够处理精确的信息和模糊信息，能够实现精确性联想及映射。存在的问题是隶属函数中的加权系数是固定的，不能根据不同的客流模式而改变，无法进行自学习。神经网络的一个突出特点就是可以通过向环境学习获取知识并改进自身性能，它的学习过程就是修改加权系数的过程，最终可以达到期望值。所以将这两种方法结合在一起，采用神经网络技术来进行模糊信息处理，使得模糊规则的自动生成有可能得以解决，可以有效发挥其各自优势。述的模糊神经网络就是利用神经网络的结构进行模糊推理，它集中了模糊逻辑和神经网络两者的优点，克服了各自的缺点，易于网络的构造及应用。第四章 详细设计方案本文基于满足乘客候梯和乘梯过程中心理和生理需要，主要用到以下三个标准：候梯时间、乘梯时间和能量消耗。乘梯时间用于评价电梯内乘客的满意度；候梯时间用于评价电梯外候梯乘客的满意度；对于能量消耗，主要用于启动和停止过程，所以用乘客承受的冲击次数来衡量。1、最长候梯时间：最长候梯时间是指将新层站的召唤分配给某台电梯后，所有层站候梯乘客的估计候梯时间中最长的候梯时间，通过控制乘客的最长候梯时间来达到满足候梯乘客心理需求的目的。2、最长乘梯时间：最长乘梯时间是指将新层站的召唤分配给某台电梯后，所有轿厢内的乘客的乘梯时间中最大值。3、最大冲击次数：最大冲击次数是指将新的层站召唤分配给某台电梯后，轿厢内乘客和层站候梯乘客的估计冲击次数中最大的冲击次数。通过控制乘客乘坐电梯过程中承受的最大冲击次数来满足乘客的生理需求，从而起到满足乘客心里需求的作用。4.1 最长候梯时间的计算： 降低乘客的候梯时间是满足乘客心理需求的主要因素，可通过控制电梯的层站最长候梯时间来降低乘客的平均候梯时间。最长候梯时间的计算采用经典的最小长候梯时间算法。如下图所示，K表示第K台电梯；表示己分配给电梯K的一个层站召唤信号，K位于第层，K方向为x(上行或下行)；表示新产生的层站召唤信号，位于第层，方向为y；S(K，)表示电梯K从当前位置到产生召唤的第层反向运行的距离。设在t。时刻召唤产生，并已分配给电梯K应答。在：时刻，召唤产生假设分配给电梯K应答，则在时刻对的候梯时间估算如下:其中是已经等候的时间；)是电梯K从时刻到达层站所需的估计时间，该时间是电梯的运行时间和沿途停靠时间以及乘客转移时间的总和, )的估算参见文献27。那么电梯K的最长候梯时间)可表述为4.2 最长乘梯时间的计算：最小乘梯时间算法如下：表示t时刻可能的最大乘梯时间的优先度；：表示轿厢内乘客的相互影响度。在最小乘梯时间算法中，最大乘梯时间主要取决于两个因素：最大乘梯时间的优先度和轿厢内乘客的相互影响度。4.3 最大冲击次数计算:减少乘客承受的冲击次数是满足乘客生理需求的重要体现口”。电梯运行中的每次停靠(包括减速和加速两个阶段，对乘客造成的冲击包括加速冲击和减速冲击)冲击次数为2次。显然，乘客乘梯过程中至少经受2次冲击，即离开出发站的加速冲击和到达目的站的减速冲击。在乘客到达目的站之前，如果电梯有停靠，则该乘客承受的冲击次数增加。自乘客进入轿厢后，在电梯的加速和减速阶段，乘客承受的冲击次数记录将被修改，直到乘客离开轿厢。如下图所示，电梯的运行轨迹可分为Hl，H2和H3共3段，新的层站召唤可位于其中的任何一段。其中以Hl段最为复杂，它包括电梯K的轿内指令和层站召唤；而在H2和H3段不存在轿内指令。下面以新召唤_，。位于Hl段为例，估算电梯K的最大冲击次数。设电梯K的当前运行方向是，在电梯K运行的前方有轿内指令和已分配给电梯K的层站召唤，是冲击次数待估算的轿内指令或层站召唤。在时刻，新召唤产生，显然，在方向上，后方的轿内指令和层站召唤(在之后应答)以前方的层站召唤(在之前应答)会受到影响，而对之前的轿内指令没有任何影响。于是，假设新召唤分配给电梯K，则乘客承受的冲击次数估算可归结为两类：后方的轿内指令和所有层站召唤的冲击次数估算。 电梯K的任务描述对于轿内指令的冲击次数估算，包括乘客已经承受的冲击次数和将来可能承受的冲击次数，即化简得到设在方向上电梯K的当前位置到轿内指令所在的第层的区间为段(不含两端)，则上式中：为段内的楼层数，为段内已分配的轿内指令数，为段内已分配的层站召唤数，为段内电梯K同时存在轿内指令和层站召唤的楼层数。对于层站召唤的候梯乘客承受的冲击次数估算，按目的层最远的原则计算，在第层到前方终端之间的停靠都视为对该乘客的冲击，那么其冲击次数为设在y方向上电梯K的当前位置到层站召唤所在的第层的区间为段(不含两端)，第层到前方端站的区间为段(不含两端)。那么在上式中：为段内的楼层数，为段内已分配的轿内指令数，为段内已分配的层站召唤数，为段内已分配的层站召唤数，为段内电梯K同时存在轿内指令和层站召唤的楼层数。当新召唤位于或段时，电梯K的最大冲击次数的估算也有类似的情况，仅有的区别是不再有轿内指令冲击次数的估算。估算出的最长服务时间和最大冲击次数可直接作为模糊神经网络的输入变量。4.4 确定模糊规则模糊控制的核心部分是确定输入、输出变量的隶属函数和产生模糊推理规则，该系统中，输入变量ST(k)，SHOCK(k)和输出变量的隶属函数，分别如下图所示。ST(k)代表电梯K可能的最长服务时间，包括候梯时间和乘梯时间， SHOCK(k)代表电梯K的乘客可能承受的最大冲击数，表示电梯K与待分配召唤问的匹配度，表示电梯K与待分配召唤问的匹配度。为简便起见，变量的隶属度函数取为三角形，如下所示。隶属度函数的中心值、宽度要根据实际需要通过模糊神经网络进行调整，以满足候梯时间和乘梯时间短，以及冲击次数少的综合要求。如图所示，输出变量坼(k)的隶属函数采用12个语言变量-构成12个模糊评判等级，每个模糊变量函数的中心值均匀分布。在确定了输入、输出变量的隶属函数后，需确定模糊推理规则。模糊规则的建立主要是根据各输入量与评价指标的关系。根据电梯的服务特点和乘客对电梯的要求，推理规则如下：模糊推理规则表如表所示，服务时间ST(k)越短，越大；同理，冲击次数SHOCK(k)越少，越大。变量隶属函数的中心值和宽度要根据实际需要适当调整，以满足减dxST(k)和SHOCK(k)的要求，提高匹配度函数。在求出每台电梯与待分配层站召唤的匹配度后，比较它们的匹配度，选择具有最大匹配度的电梯应答待分配层站召唤。总 结电梯系统的发展已经经历了130多年，它己由最初的单纯的机械设备发展到今天集机械、电子、音响、摄像、统计计算和预报，甚至人工智能为一体，堪称为技术社会的缩影。将智能控制中的专家系统、模糊控制、神经网络有机地结合起来应用到电梯控制中，使电梯控制向智能化方向发展，已是当今世界电梯业发展的潮流。将智能控制方法与新兴科学(如：最优控制，预测控制，系统模式识别，学习控制，计算机视觉系统等)进行结合是未来智能化电梯的发展方向。本课题的研究，基于建筑可持续发展的思想，结合智能控制领域发展比较完善的模糊神经网络，对电梯群控系统的动态交通、厅层召唤分配等部分进行了研究。考虑到乘客的心理和生理需求，提出全面考虑群控系统的评价指标候梯时问、乘梯时间和冲击次数，分别代表了候梯乘客、乘梯乘客以及系统能耗的满意度。最后进行计算机仿真。结果显示这种模糊控制的方法可以得到比较理想的控制效果本文针对电梯群控系统中存在的非线性、模糊性、不确定性等特性，提出了将模糊神经网络控制的方法应用在电梯群控系统中。传统的电梯群控系统的评价标准往往只考虑某一方面的影响，比如最小候梯时间准则，本文的创新性在于对厅层召唤分配部分的研究，充分考虑到乘客的需求，综合考虑到了候梯乘客，乘梯乘梯和系统的能源消耗，提出了最大候梯时间、最大乘梯时间和乘客承受的最大冲击次数这样三个评价指标。为了用数据表征上述指标，分别计算梯群中各电梯最大候梯时间，乘梯时间和乘客承受的冲击次数，作为输入变量，建立了它们的隶属度函数及模糊推理规则。最后构建了基于模糊神经网络的匹配度函数，通过神经网络的学习功能，改变评价指标的权重，取得合适的匹配度。参考文献【1】杨纶标，高英仪模糊数学原理及应用【M】广州：华南理工大学出版社，2006【2】戴晓晖，李敏强，寇纪松遗传算法理论研究综述控制与决策)，2007，15(3)：263273【3】王俊普智能控制M】中国科技大学出版社，2006【4】张苗苗，张学军，谢剑荚基于模糊神经网络的电梯群控系统的智能调度.