多部电梯群控系统控制算法优化毕业设计(编辑修改稿)

多部电梯群控系统控制算法优化毕业设计(编辑修改稿)内容摘要：

智能化 新兴科技是促使人类向 前不断发展进步的直接动力，科技创新的推广推动智能设备在各个领域普及应用，改善人们日常生活。 人类对智能设备的研发是持续发展的话题，智能设备的发展为人们提供更优质、更舒适的服务。 基于强大的硬件和软件资源，电梯向具备自适应能力，自我完善学习能力发展。 可以自动根据环境参数，选择优化方案实现全局优化，电梯变得实用方便，真正实现智能化控制。 网络化 通过以太网、蓝牙等通信技术，将电梯与整体楼与控制系统联系起来，也可以实现远程无线控制。 更好地解决电路电子通信方面的电磁兼容性问题和乘客轿厢呼叫状态预知判断等一 系列问题，能有效的提高整个系统可洛阳理工学院毕业 设计（论文） 6 靠性和安全性，降低潜在风险。 人性化 电梯作为服务性设备，以满足乘客的需求为目的，力求用更有效的调度方式提更优质的乘梯环境。 随着电梯技术普及，人们可根据市场需求、个人爱好定制电梯，并指定控制方案。 更侧重商品系统的开发。 真正实现“以人为本”的服务。 节能化 随着人们环保意识的加强，电梯作为大型能源消耗设备，其控制方案中能源优化不容忽视。 电梯能耗大约占整栋楼宇电能消耗的 3~5 个百分点，因各栋大楼高度、面积、客容量和作用均不相同加之乘客的随机性较大，电能 耗比有所变化随着楼宇向更高花发展，节能减耗也逐渐成为电梯发展的重点。 绿色环保的设计方案也被吸收到电梯控制中，优化电梯驱动系统和控制方式可以有效减少能耗。 论文研究意义及章节安排 电梯已有数百年的历史，虽然国内外研究学者、专业也分别提出了各种电梯群控方案，但关键技术参考文献较少、公开性差。 一些先进群控算法被国际巨头所垄断。 同时，多部电梯群组控制理论也不断向前发展，有些方面仍存在不足，更要通过进一步研究探索来完善。 多部电梯群组控制的宗旨是提高楼宇内的交通服务质量，同时减少不必要的电能消耗。 通过学习 总结前人先进经验和数据结果，本文通主要介绍下面几点：首先了解多部电梯群组控制系统的整体思想和设计的总体结构，然后通过多目标控制原理对多部电梯群组控制系统建立数学模型，并求解最优解，由此提出一种提高系统整体服务质量的调度策略，最后对多部电梯群组控制系统整体实现进行介绍。 论文各章节介绍： 第 1 章 绪论 洛阳理工学院毕业 设计（论文） 7 介绍单部电梯、多部电梯群组控制的发展历程， EGCS 研究设计的必要性等，并且论述了研究优化多部电梯群组控制调度响应算法课题的意义。 第 2 章 当前主流 EGCS 技术比较 EGCS 向优化策略协调多部轿厢方向发展 ,其中控 制策略走向多元化交叉学科和新兴科技领域迈进，早期的预约层控制被模糊神经控制、 Petri Net等现代控制方法取代，带来的是乘客运送效率的提高。 本章详细分析各种新兴现代控制方法的优点。 第 3 章 分析特性指标 介绍楼宇内影响乘梯服务质量的参数，用统计理论将乘客状态加以区分。 第 4 章 本文对 EGCS 算法的建模 对 EGCS 系统建立数学模型 ,确定各常量、变量值 ,分析求解多变量最优解，优化电梯调度方案。 第 5 章 系统仿真 分析动态仿真一般存在的问题 ,对系统方案就行仿真实验。 验证多目标控制算法在多部电梯群组控制中能有效提 高电梯服务质量。 课题将要研究的这种 EGCS 方案的目的是减小乘客等候电梯几率降低轿厢的电能消耗。 因此首先分析当前国内外学者控制方案，从而比较得出一种电梯优化调度方案。 对系统建立数学模型 ,分别以等待时间、候梯率、能源效率等为优化结果。 洛阳理工学院毕业 设计（论文） 8 第 2 章 当前 EGCS 技术 当前主流 EGCS 技术的多样性概述 现代建筑日趋高层化、智能化，而高层建筑必依赖于先进的楼宇交通系统，因此促使电梯群控理论飞速发展，同时智能电梯也成为现代城市的典型标志之一。 从 20 世纪 70 年代开始，计算机技术促使 MCU 的发展并开始广泛应用于多部电梯群组控制理论中，促使 EGCS 理论飞速提升。 通过新型 MCU 高速运算可以将各种 AI 技术用于研究多部电梯群组控制交通系统的动态特性，减少候梯率，提高高层建筑运输效率，真正实现楼宇的智能化 [11]。 目前， EGCS 技术正在发展较快，现有多种控制方案在实际中应用。 EGCS 目的性较强，而生活中有多种电梯，如摩天大厦中穿越云层的观光电梯；大型无人工厂的全自动货运电梯；医院专用的医用电梯；以及商业住宅楼中最常见的住宅电梯和特定环境专用电梯等。 不同控制要求有不同控制方式，例如，医用电梯主要以安 全高效为核心其次才考虑能耗的问题，而一些货用电梯则以能源最低消耗为主；在技术层面上，因为电梯作为高端科技产品，其研发、生产到需要一定的物质。 因此目前电梯群控技术基本掌握在少数电梯巨头厂商中，其核心控制算法公开性较差这也导致 EGCS 理论的多样性的原因。 EGCS 算法综述 对现代电梯性能的衡量不再简单地考虑安全的可靠性和乘坐的舒适性这两点。 目前电梯在乘坐的安全性和舒适性方面的技术已经基本成熟，而人们日益对自己时间的注重也要求电梯调度更优化，减少候梯时间和乘梯时间。 比外，在能源日益匮乏的情况下各国政府 都提出节能减排口号，节约使用能源是每个行业必然要求，优化 EGCS 算法也更要优化电能利用，减少开关门次数和启停频率。 在此基础上研究电梯的各种控制方法提高电梯的控制精度以保障电梯在运行中的绝对安全具有较大的意义。 洛阳理工学院毕业 设计（论文） 9 EGCS 算法分类及特点 EGCS 算法就是将一栋建筑内的各部电梯通过中央处理设备连接起来，一般计算机先采集乘梯信息，通过内部算法得出一种最有调度方案。 电梯的快速发展也促进 EGCS 理论不断更新换代以满足人们更高的要求，使人们将 EGCS 算法向多学科交叉领域、高复杂计算领域以及新兴科技领域迈进。 例如 ，在传统经验基础上借助计算机复杂运算的专家系统控制方法；依靠生物科学演化原理和近代生命科学发展而来的遗传算法；根据人类脑科学和大数据处理技术发展的神经网络等。 EGCS 调度方法较多，很多算法刚刚探索，还有很多方法有待人们继续寻求。 总之， EGCS 算法能根据实际情况和乘客请求控制每一台电梯运行的情况，实现电梯最佳调度服务。 多台电梯分别控制即互不连接，很容易造成电梯集体在某楼层停留现象，工作效率较低。 因此也导致部分乘客等候轿厢时间过长和乘坐电梯时间过长现象频发，同时，频繁开关电梯、多次启停也会增加系统电能消耗，导致 能源和资源的浪费，增加不必要成本。 智能建筑和现代控制理论的飞速发展促进 EGCS 技术 的产生，借助计算机实复杂杂运算的现代 EGCS理论能够较好地解决多部电梯群组系统本身固有的乘客呼叫非线性和不确定性等特点。 目前，主流 EGCS 控制算法主要由以下几种。 模糊控制方法及特点 模糊控制（ Fuzzy Control）是在神经科学领域根据人类大脑思维方式发展的一种新型控制思想 [5]。 上世纪 50 年代，“隶属函数”第一次被人们发现并应用于控制领域，通过这种方法能有效的描述不同输入参数的中介过渡过程，推动了模糊思想 在控制理论领域发展。 促使人们把这种方法用于智能控制领域，有效解决多变量系统非线性不确定性等问题。 EGCS 模糊控制算法是使用模糊逻辑对大楼内交通模式进行总结规划，将分析的结果在经历筛选优化过程，形成控制中心可以处理的简单数据，再进一步推断出相应指令所对应的轿厢数量、速度等信息的控制。 因电梯控制系统中作为输入量的人数、乘梯区间、个批次乘客几个时间等都有很大的不确定性，处于一种模糊状态，所以应用这种控制方法能有效优化 EGCS 调度方洛阳理工学院毕业 设计（论文） 10 案，建立一种良好的数学模型。 群组电梯模糊控制采用了三阶划分方法，将拥挤程度划分为高、 中、低；乘客等候轿厢时间划分为短、中、长等。 控制规则如表 21 所示。 表 21 EGCS 在模糊下基本调度算法比较表 乘客对服务满意程度 采样时间 短 中 长 拥挤度 很挤 很满意 很满意 一般 拥挤 很满意 一般 不满意 宽松 一般 不满意 不满意 电梯作为大功率电能消耗产品，能耗也是一项重要指示，而电梯能耗直接与启动次数、运行距离有关。 用同样的方法，把他们家里类似于上表的模糊关系。 根据实际情况选取高斯隶属函数，确定各参数值，建立系统的网络化结构图，分别为乘客呼叫输入层；由隶属函数建 立的模糊化层；推理演算层，为提高运算速率传统的取小运算被乘法运算取代；模糊判决层，一句模糊规律得出对应节点的模糊值；去模糊化层，将上一层计算结果还原实际系统数据，实现轿厢调度指令的输出。 神经网络技术 在生理学和脑科学发展刺激下，根据模仿人的大脑神经系统产生的神经网络控制技术应用于生物医学、仿人机器等领域，尤其在为个人及公共服务领域控制效果良好。 它的控制思路是将一块小的微型处理器单元看作为一个节点，即一个基本突触元。 每个突触元都相当于一个简单的多输入多输出系统，同时划分为不同逻辑层，每层有相应 数量的逻辑节点，彼此独立，而不同层间的节点采相互联系，是层层递进的处理关系。 被建立在网络突触基础之上的神经网，用的是一种网络树枝总线结构构成的特定活动网。 基于 EGCS 系统乘客呼叫信息的不确定性、轿厢运动的非线性和目洛阳理工学院毕业 设计（论文） 11 的楼层的多目标性等固有因素，利用网络总线技术构建完整的电梯控制网络，在有效的网络监控下，对电梯实行动态控制。 电梯群控神经网络化将不同功能分为网际层（ Inter） ,以以太网及各种总线为基础来实现数据交换、处理的任务；决策网络层（ Control Network），所有参与群组调度电梯在同一个 MCU 的监控下，将轿厢运行状态和各楼层呼叫信息通过专用总线与控制器连接，一般为 CAN（ Controller Area Network）总线网络连接，实现分配呼叫，使多部电梯协调工作；设备层（ Device Network），此层为多部电梯协同合作的最底层，通过可靠性高的现场总线作为主体驱动电梯轿厢各项指令 [7]。 去电梯群控网络为三阶前向神经网络，分别为输入层、隐层和输出层组成，个层次通过简单线性关系多次复合，近似表示复杂函数关系。 神经网络结构如图 21 所示。 输 入输 出图 21 神经网络结构图 在处理多部电梯控制问题时，通常采用前馈神经网络中的 BP 神经网络，它也是中应用最广泛的一种，通过层层递进的方法求取乘客满意度函数的最小值。 有效建立非线性数学模型，通过自主学习和适应未知信息，及时修正网络中各参数值，处理多输入多输出结构精确度较高，适合电梯群控这种复杂系统。 洛阳理工学院毕业 设计（论文） 12 遗传算法控制技术 从上世纪开始，生物科学蓬勃发展，其研究成果不断渗透到其他学科。 到 1940 年左右，生物学和信息学两大重点学科产生交集，生物模型开始用于 IT 控制领域中，遗传算法（ GA， Geic Algorithm）通过总结生物繁衍进化原理而建立的搜索最优解的方法，采用模拟自然界物种进化过程 [8]。 物种的多样性因为每个个体实际上都带有特定的染色体 (chromosome)，通过基因重组组成一个新的带有独特性的的实体，这也是生物的进化和繁衍。 GA 算法主要是通过先分析一个种群（ population）的基因库普，即各台电梯轿厢运行情况及各楼层乘客呼叫情况信息录入；再根据遗传基因（ gene）编码计算所有可能产生的生物个体 (individual)，即个轿厢所有运行情况分析推理。 GA 算法推算可能情况是将可能 发生所有事件用罗列法展开，对应相应呼叫信息列举所有可能的轿厢调度方案。 生物特性信息通过基因存在于染色体中，即基因实体集合内包含电梯数量、楼层高度、呼叫层站等一些基本信息。 将待解决问题与自言选择、遗传机制的方法进行比较，为解决不确定性、非线性的复杂系统模型提供了一种新的解决思路。 涉及交叉算子和选择遗传算法控制参数即可建立数学模型，价差算自由分为两点对换变异、遗传算子等。 交叉算子如图 22 所示。 a bb a交叉互换一 代 基 因序 列二 代 基 因序 列 图 22 交叉算子两点对换变异结构图 在 EGCS 系统中 ，遗传算为减少系统反应速度节约乘客等候轿厢时间洛阳理工学院毕业 设计（论文） 13 通常采用高效并行的全局搜索方法，分别对不同调度方案进行速度测试，寻找最佳调度方案。 主要步骤有：参数编码，将电梯数量与楼层数量排列、编码，分配相应染色体；群体设定，群体中每个单元随机产生，群体中每个单元随机产生，遗传算法采用高速处理设备，搜索出较优个体；评价函数，主要包括电梯群控系统的决策变量、当前乘客所在楼层、人数、去往方向及当前电梯运行方向等；适应调度函数，通过前面的搜索找出更有机会繁衍下一代的个体，及适应的强的函数。 具体流程如图 23 所示。 随 机 产 生 初 始 种 群收 敛 准 则 满 足。 执 行 选 择 算 子输 出 搜 索 结 果R a n d o m [ 0 , 1 ]。