（控制理论与控制工程专业论文）基于遗传算法的现代群控电梯交通客流控制.pdf

摘要 随着现代城市的快速发展和高层建筑的日益增多，高层建筑内交通变得越来 越复杂，常常需要几台甚至几十台电梯组成电梯群来运送乘客，电梯群控算法的 研究已成为国内外研究的热点之一。对于一个复杂的、具有多种要求的电梯群控 系统，本文采用多种智能算法相结合对交通流进行分析，以识别当前系统的交通 流模式，从而根据不同的模式采用不同的派梯方法。针对现有算法中存在的不足， 将遗传算法应用到群控系统中，提高电梯群的运行效率、降低能耗，并通过仿真 实验验证了算法的性能。 首先，回顾了电梯群控系统的国内外发展现状，介绍了现有的各种电梯群控 系统的优势与不足，针对不足提出了基于遗传算法的电梯群控新算法；并在评估 电梯群控系统的四种性能指标和分析派梯过程中系统容易变化的因素后，建立了 电梯群控系统的多目标评价函数。 然后，提出了基于遗传算法正规化模糊神经网络和基于免疫规划k 一均值聚 类算法的两种交通流模式识别方法，并对两种算法的性能进行了比较。采用正 规化模糊神经网络学习和训练来识别电梯群控系统交通流模式，并用遗传算法优 化输入特征向量的隶属函数，该方法能够准确识别交通流模式，但学习样本是否 具有代表性影响算法的性能。基于免疫规划k 均值聚类算法的电梯交通流模 式识别新方法，以该系统前七天的交通流数据为样本，采用免疫k 均值算法对其 进行聚类分析，产生的类别对应交通流模式，将实时交通流特征数据划分到交通 流模式对应的类中。相比较而言，由于模糊神经网络自身的缺点，后者的识别性 能较好。接着提出了一种基于混合遗传算法的层间交通模式下的电梯群控派梯算 法。以乘客的平均等待时间最小为目标寻求最优派梯方案，根据电梯的运行状态 和各层站的外呼信号，构造了适应度函数。在进化初期阶段，采用标准遗传算法 在解空间中全局搜索，当种群收敛到最优解附近时，引入自适应正交局部搜索算 子，以提高算法的局部搜索能力，仿真结果表明，该算法克服了标准遗传算法后 期收敛速度慢的缺点，同时较好地满足了电梯群控系统的实时要求。 最后，建立了电梯群控系统的虚拟仿真环境，模拟实际系统的运行，验证 各种算法的性能指标。 关键词：电梯群控，遗传算法，模糊神经网络，正交局部搜索，免疫k - 均值，交通模式 a b s t r a c t w i t ht h ed e v e l o p m e n to fm o d e mc i t y , m o r ea n dm o r es k y s c r a p e ri sb u i l ti nt h e c i t yt o d a y i ti si n d i s p e n s a b l et ot r a n s p o r tp a s s e n g e r sw i t he l e v a t o rg r o u pc o m p o s e do f s e v e r a ll i f t s a c c o r d i n g l y ，t h ec o n t r o l l i n ga l g o r i t h mo fe l e v a t o rg r o u ph a sa l r e a d y b e c o m et h ef o c u so fr e s e a r c ha th o m ea n da b r o a d f o rac o m p l i c a t e de l e v a t o rg r o u p c o n t r o ls y s t e m ( e g c s ) ，b e c a u s eo fm a n yk i n d so fd e m a n d s ，i nt h i sp a p e rm a n y i n t e g r a t e di n t e l l i g e n ta l l o c a t i o ne l e v a t o ra l g o r i t h m sa r ea d o p t e dt oa n a l y z et r a f f i cf l o w a n dp r o c e e dt op a t t e m r e c o g n i t i o no p t i m a l l y c o n s e q u e n t l y , av a r i e t yo fa l g o r i t h m so f a l l o c a t i n ge l e v a t o ra r ea d o p t e da c c o r d i n g t od i f f e r e n tp a t t e r n s t om a n yd i s a d v a n t a g e s o fc u r r e n tm e t h o d s ，t h i sp a p e rp r e s e n t sa na l g o r i t h mo fa l l o c a t i n ge l e v a t o rb a s e do n g a t h ea p p r o a c hi n c r e a s e sr u n n i n ge f f i c i e n c yo fe l e v a t o rg r o u p ，a n dr e d u c e se n e r g y 。 c o n s a r n i n g s i m u l a t i o ne x p e r i m e n tv a l i d a t e st h ep e r f o r m a n c eo f t h em e t h o d f i r s t l y , w er e v i e w e dt h ed e v e l o p m e n ta n dc u r r e n ts t a t u so fe g c s i nd o m e s t i c a n di n t e r n a t i o n a l ，a n di n t r o d u c e da d v a n t a g e sa n ds h o r t c o m i n g so fav a r i e t yo fe g c s w ea l s oe s t a b l i s h e de v a l u a t i o nf u n c t i o no fm u l t i o b j e c tf o re g c s ，w h i c hi sb a s e do n e v a l u a t i n gf o u rp e r f o r m a n c ei n d e x e sa n da n a l y z i n gu n c e r t a i nf a c t o r si nt h ec o u r s eo f a l l o c a t i n ge l e v a t o r , s e c o n d l y ，w ep r o p o s e dt w ow a y so f t r a f f i cf l o wp a t t e r n - r e c o g n i t i o n n o r m a l f u z z yn e u r a ln e t w o r ki sa p p l i e dt or e c o g n i z et h et r a f f i cp a t t e r na n dg e n e t i ca l g o r i t h m w h i c hi su s e dt oi m p r o v ep a r a m e t e r so fm e m b e r s h i pf u n c t i o n s n e wm e t h o d b a s e do ni m m u n ee v o l u t i o n a r yk - m e a n sc l u s t e r i n ga l g o r i t h mi sp r e s e n t e dt oi d e n t i f y t r a f f i cp a t t e r n e x p e r i m e n t a lr e s u l t si l l u s t r a t et h a tt h et w om e t h o d sa r ec a p a b l eo f r e c o g n i z i n gt r a f f i cp a t t e r n s h o w e v e r ，t h es e c o n dm e t h o d i ss u p e r i o rt ot h ef i r s to n e t h i r d l y , ac o n t r o la l g o r i t b a no fe l e v a t o rg r o u ps y s t e mw i t hi n t e r - f l o o r t r a f f i c p a t t e mb a s e do nh y b r i d i z e dg e n e t i ca l g o r i t h m i s p r o p o s e di n t h i sp a p e r i nt h i s a l g o r i t h m ，w es e a r c ha l lo p t i m a la l l o c a t i n gm e t h o db a s e d o nt h eg o a lf u n c t i o no ft h e m i n i m a la v e r a g ew a i t i n gt i m eo ft h ep a s s e n g e r s w ee s t a b l i s h e dt h ea d a p t i v ef u n c t i o n a c c o r d i n gt ot h er u n n i n gs t a t eo fe l e v a t o r sa n dt h eh a l l c a l ls i g n a la m o n gl a y e r s a t t h ee a r l ys t a g eo ft h ee v o l u t i o n ，w eu s es t a n d a r dg e n e t i ca l g o r i t h mt os e a r c hg l o b a l s o l u t i o ni ns o l u t i o ns p a c e w h e nt h ep o p u l a t i o ni sc o n v e r g e n ta r o u n dt h eo p t i m a l r e s u l t ，w ec a r tp u tt h ea d a p t i v eo r t h o g o n a ll o c a ls e a r c hi n t ot h ea l g o r i t h mt oi m p r o v e t h el o c a ls e a r c ha b i l i t y s i m u l a t i o nr e s u l t sd e m o n s t r a t e dt h a tt h em e t h o dc o n q u e r s p r e f e r a b l yt h ed i s a d v a n t a g e o ft h es t a n d a r d g e n e t i ca l g o r i t h m t h a th a ss l o w c o n v e r g e n c es p e e d a tal a t e rt i m e ，t h e r e b yi tm e e t st h er e a l t i m ec o n t r o lo f e g c s f i n a l l y , av i r t u a le n v i r o n m e n ti s e s t a b l i s h e dt os i m u l a t ea c t u a le g c sa n d v a l i d a t ep e r f o r m a n c ei n d e x e so ft h em e t h o d s p r e s e n t e di nt h i sp a p e l k e y w o r d s ：e g c s ，g e n e t i ca l g o r i t h m ，f u z z yn e u r a ln e t w o r k ，o r t h o g o n a ll o c a l s e a r c h t r a 伍cp a r t e r n 硕士学位论文 第一章绪论 1 1 电梯群控系统研究的意义 随着现代城市的快速发展，电梯己成为城市垂直交通的重要工具。在一幢高 层建筑里，设计对如何合理地选择安装多台甚至上百台电梯十分重要。现代电梯 群控系统( e l e v a t o rg r o u pc o n t r o ls y s t e m ，e g c s ) 将多台电梯分组，根据乘客流量 的变化，有效地改善客流调度，实现最优输送和节能运行。为此，电梯的群控算 法研究已成为国际国内研究的热点之一 1 “。一个高效的电梯群控系统应以最小 的电梯数目配置去输送最大的交通客流量，而且具有良好的用户管理和服务功 能。由于电梯群控系统存在严重的不确定性、随机性和非线性，以及控制目标的 多样性，采用传统的控制方法很难实现电梯群控系统的控制目标，诸如客流高峰 时平均候梯时间、平均乘梯时间、长候梯率、乘客心理适应性、能耗率和楼层的 特殊服务等。因此，对电梯群控系统进行智能控制技术研究是十分必要的。 本课题基于遗传算法对现代智能群控电梯进行交通客流量的分析和控制，研 究其控制方法和策略，从而实现多目标最优控制，是电梯群控系统中的一种新方 法。 1 2 电梯控制系统的发展与现状 最初的电梯群控系统是上世纪5 0 年代的继电器群控。近3 0 年来，随着城 市的发展，高层建筑日益增多，而且这些大型建筑的内部交通也变得越来越复杂 了，一座大厦往往需要几台甚至几十台电梯来服务。如果每台电梯均单独运行， 很难满足这些要求，因此出现了电梯群控系统。电梯群控系统是指两台或两台以 上的电梯由一个控制系统来协调和管理，使它们合理的运行，以提高电梯群的运 行效率。原有的依靠继电器群控的方式己不能满足要求，于是出现计算机群控。 对于乘客来说，要求候梯和乘梯时间尽可能的短，对于大厦的业主来说，要求在 满足乘客要求的条件下尽可能的降低能耗。一套性能良好的群控系统必须能够以 最少数目的电梯完成最大的运输量，尽量灵活便于操作，而且控制算法必须根 绪论 据客流的变化而变化。 电梯技术经历了从单梯运行到双梯并联运行，直到群控运行，人们一直在探 讨电梯交通配置的理论。特别是计算机技术和先进控制理论的应用，使相关的研 究工作由对电梯交通系统的统计特性研究逐步深入到对电梯交通系统的动态特 性研究。 电梯群控智能系统最早由日本t o s h i b a 公司提出【3 】，至今已有半个多世纪。 国外对电梯群控技术的研究，开始是利用继电器的逻辑组合，实现预选控制和分 区控制。随着计算机技术的使用，国际上各大电梯公司竞相研究自己的群控算法， 如综合分散度群控方法、最d , 最大群控方法、综合服务成本群控方法、相对时 间因子群控方法等。在电梯智能群控方面，主要是运用专家系统、模糊控制和神 经网络技术。专家系统。在电梯控制中，由于群控系统的特性不能完全用数学 进行精确描述，控制经验显得十分重要，专家知识对电梯群控系统的性能具有很 大作用。首先，根据过去的交通数据预设交通流，以候梯时间最小的最优运行作 为大规模组合问题，其次，使用模拟退火( s a - - s i m u l a t e da n n e a l i n g ) 法求解大规 模组合问题，最后，将求出的最优运行与原来系统的运行进行仿真比较，并将最 优运行的分配方法归纳为一般性规则。对于复杂多变的电梯系统，专家的知识和 经验存在局限性，知识的表达不全面，控制规则并不完善。由于系统缺乏学习能 力，适应性差，不能识别交通流，当专家事先设想的建筑物条件与实际情况不相 符时，控制规则无法改变。这些缺陷给专家系统的应用带来很大的局限性。现在 专家系统和其它控制技术融合在一起，使电梯群控技术有了进一步的提高【4 j 。富 士通的f l e x 系列，同立的c i p 5 2 0 0 系列都使用了专家系统。模糊控制技术。 模糊群控技术充分考虑到电梯控制中的很多因素，从而改善了群控系统的性能 【5 】，一直得到广泛关注。同本三菱公司在其a 1 2 1 0 0 电梯系列中应用了模糊推理。 但是，模糊控制规则一般由专家制定，系统受到专家知识的影响；调整、确定隶 属函数需要大量的试验；另外，规则一旦确定，运行过程中无法修正，这些是模 糊群控技术的重大缺陷。神经网络技术。从1 9 9 4 年起，神经网络技术被引进 电梯群控系统中“，用于描述电梯群控系统的动态特性具有很强的优势，能够 识别交通流量；有自学习能力；利用非线性和学习方法能建立合适的模型，进彳亍 高速推理，对电梯交通模式进行短期、长期预测；克服了模糊群控的缺点，能够 硕士学位论文 灵活对付建筑物中变化的交通流并校正误差。但是，电梯群控系统具有多输入多 状态特性，有时为了得到最优化的输入输出映射，网络结构过于庞大，且结构的 合理性难以验证；网络离线学习和在线学习的时间都会较长，控制器收敛性能下 降。为了克服这些缺点，把模糊技术与神经网络技术充分结合，使模糊规则可自 动提取和模糊隶属函数的自动生成，极大地提高了群控系统的运行效率。日本东 芝公司开发了e j - 1 0 0 0 f n 型带有神经网的电梯群控装置，能适应各种建筑物的交 通条件变化p j ，与模糊群控相比，平均候梯时间减少了1 0 ，长候梯率减少了 2 0 ，有效防止了聚群( t oa v o i db u n c h i n g ) f d 长候梯。 在国内，从1 9 9 0 年开始对电梯群控技术开展研究，主要是研究电梯群控与 人工智能、电梯交通配置统计特性及交通配置其他课题。1 9 9 6 年的统计数据表 明，发表有关这方面的科研论文约4 7 篇。近几年来，我国在电梯群控与人工智 能方面做了大量的积极探索和研究，但与国外技术相比仍然存在不少问题，主要 表现在：国内现有的先进群控技术基本上都采用国外公司产品，自主开发的控 制方法和实际应用几乎没有；大部分工作尚在引进国外先进技术和产品，群控 核心技术仍在国外电梯开发商手中；现有的群控技术仍存在缺点和不足，离追 求的控制目标尚有差距。基于此，国内一些高等院校的专家教授开始投入到这方 面的研究工作。国内开展电梯群控系统研究的单位主要有天津大学、浙江大学、 上海交通大学、东北大学、福州大学、沈阳建工学院等单位，研究人员大多是从 事电梯技术、自控及相关领域的专家。在理论探讨和技术实现上，主要是运用模 糊逻辑、专家系统和神经网络等人工智能技术来描述群控电梯的动态特性，探索 电梯交通整体最优配置f 8 , 9 , 1 0 。文献检索表明，国家和一些省市也十分重视该领域 的研究探索工作，曾立项予以资助，如沈阳建工学院自控系获得国家自然科学基 金资助l 项( 6 9 8 7 4 0 2 6 ) ，天津大学获得天津市自然科学基金资助项目( 9 9 3 8 0 1 2 1 1 ) ， 福州大学获得福建省教委资金资助等。 人工智能技术是电梯群控技术将来发展的主要方向，美国、日本、瑞士等国 家对电梯群控技术的研究比较深入，取得了相当多的成果，并且投入了实际使用， 他们对群控电梯智能控制技术的研究工作方兴未艾。我国在今后的几年中，必须 加大投入，多做理论探讨与技术实现，从而与世界先进水平接轨l 。 综上所述，目前国际国内对群控电梯的智能控制，主要是运用专家系统、模 绪论 糊技术和神经网络技术来描述电梯交通系统的动态特性及其在电梯交通配置研 究中的应用，将问题转化为多目标的优化，从而提高交通系统的综合性能指标。 从研究的成果来看，存在以下不足之处：现存的分区控制大多是静态分区，或 者是一种固定的、按时间预先确定的模式，可选方案较多，不能适应实际的交通 模式。群控电梯区域的数目和每个区域的位置、范围，取决于各个轿厢运行的瞬 时状态、位置和方向，真实含义上的电梯群控必须采用动态分区控制。对一个 有”部电梯，h 层的电梯群控系统来说，可能的派梯方案有疗2 肝2 个，实时控制时 选择最优的控制方案，搜索的空间太大。不同的电梯、不同的楼层交通流量有 较大的差异，使用的要求也是多样的，现有的多目标控制不能满足特定楼层提出 的优先服务功能。因此，针对电梯群控系统中存在的问题，国外已开始尝试将遗 传算法作为电梯群控系统的新的控制方法来研究 12 1 ，但这方面论文和成果不多。 本课题的研究就是针对现有的电梯控制技术中仍存在的缺点和不足，把遗传算法 应用于电梯群控系统中，以进一步提高现有电梯群控系统的运行效率，满足乘客 的需求。 1 。3 遗传算法 1 3 1 遗传算法的发展 遗传算法【1 3 , 1 4 1 ( g e n e f i ca l g o r i t h m g a ) 是一种于6 0 年代末发展起来的新算 法，7 0 年代中期美国密执根大学的j h o l l a n d 教授研究自然与人工系统的自适应 行为，在这些研究中，他试图发展一种创造通用程序和机器理论，通用程序和机 器理论具有适应任意环境的能力。g a 算法根据达尔文的进化论理论( 适者生存， 优胜劣汰) 等自然进化规则来搜索计算和问题求解。对许多用传统数学难以解决 甚至失效的复杂问题，特别是优化问题提供了一个行之有效的新途径，也为人工 智能的研究带来了新的生机。j h o l l a n d 博士1 9 7 5 年提出遗传算法时并没有引起 学术界的关注，甚至遭到怀疑和反对。从8 0 年代中期开始，随着人工智能的发 展和计算机应用技术的进步，遗传算法逐步成熟，应用日渐增多，不仅应用于人 工智能( 如机器学习和神经网络) ，也开始在工业系统( 如控制、机械、土木和 电力工程等) 中都得到广泛的应用，显示出诱人的前景。与此同时遗传算法也得 硕士学位论文 到国际学术界的肯定。 1 3 2 遗传算法的工作原理及操作步骤 1 遗传算法的基本概念 遗传算法是自然遗传学和计算机科学相互结合而形成的新的优化方法，因 此遗传算法中经常会使用自然遗传学的一些用语，下面介绍一些基本用语。 1 1 基本术语 构成生物基本结构和功能的单位是细胞( c e l l ) ，细胞中含有的一种微小的 丝状化合物称为染色体( c h r o m o s o m e ) ，生物的所有遗传信息都包含在这个复杂而 又微小的染色体中。而基因又是染色体的功能单位和结构单位，生物体各种性状 有其相应的基n ( g e n e ) 所控制。基因和基因座决定了染色体的特征，也就决定了 生物的个体性状。遗传算法中，染色体对应着数组和数据，在标准遗传算法中， 通常以一维的串结构数据表现出来，串的各个位置对应基因座，位置上的值对应 着基因。遗传算法处理的是染色体，一定数量的个体组成种群( p o p u l a t i o n ) ，种 群中个体的数目称为种群大小( p o p u l a t i o ns i z e ) ，而各个个体对环境的适应程度 称为适应度( f i t n e s s ) 。 2 ) 基本运算 a 选择运算 选择运算又称繁殖、再生或复制运算，用于模拟生物界去劣存优的自然选 择现象。它从旧种群中选择出适应性强的染色体放到匹配区，为染色体的交叉和 变异运算产生新种群作准备。适应度高的染色体被选择的可能性越大，其遗传基 因在下一代群体中分布越广，其子孙在下一代出现的数量就越多。 b 交叉运算 选择运算虽然能够从旧种群中选择出优秀者，但不能创造新的染色体，因 此遗传算法的开创者提出交叉运算，它模拟生物进化过程中的繁殖现象，通过染 色体的交叉组合，来产生新的优良品种。 c 变异运算 变异运算是模拟生物在自然的遗传环境中由于各种偶然因素引起的基因突 变，它以很小的概率随机地改变遗传基因的值。在染色体以二进制编码的系统中， 它随机地将染色体中的某一个基因由l 变成0 ，或由0 变成1 。若只有选择和交 叉运算，而没有变异运算，则无法在初始基因组合以外的空间进行搜索，使进化 过程早期就陷入局部解而终止进化过程，从而使解的精确度降低。因此，进行变 异运算可以确保群体中遗传基因的多样性，以使搜索在尽可能大的空间中进行， 避免丢失在搜索中有用的遗传信息而陷入局部最优。 2 遗传算法基本操作步骤 图1 1 遗传算法运算过程示意图 f i gl 1t h es k e t c hm a po f g a 从该图可以看出，使用上述三种遗传算子( 选择、交叉和变异) 的遗传算 法的运算过程如下所述。 步骤l ：初始化。设置进化代数计数器，设置最大进化代数丁；随机生成m 个个体作为初始种群体p 彻。 步骤2 ：个体评价。计算种群j p 俐的各个个体的适应度。 步骤3 ：选择运算。将选择算子作用于种群。 步骤4 ：交叉运算。将交叉算子作用于种群。 步骤5 ：变异运算。将变异算子作用于种群。群体p 渺经过选择、交叉和变 异运算之后得到下一代群体尸一十1 j 。 步骤6 ：中止条件判断。若f 丁，则以t + l 代替f ，转到步骤2 ；若f l 则 一一 丝主芏堡垒墨 以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。 3 遗传算法的理论基础 模式是指一个描述字符串的集合模板，模式表示基因串中某些特征位相同 的机构。由二进制字符集 o ，i 产生的码串中的模式如下形式表示： ( 口。，“：，d ；，q ) ，d ， 0 , 1 ，8 ( 1 - 1 ) 其中“”为通配符，+ 是0 或1 。由非二进制字符集 o ，1 ，2 ，”) 产生的码串中的 模式如下形式表示： ( q ，呸，q ，吒) ，q o 1 ，胛，+ ( 1 - 2 ) 其中“一为通配符，+ 代表集合中任意数。 一个串的模式可以由以下四个参数表示： 1 ) 原始长度卜一即包含字符的个数。 2 ) 定义长度占( h ) 模式中第一个确定位置和最后一个确定位置的距离。 3 ) 模式的阶d ( h ) 模式中非+ 的位的个数。 4 ) 模式的维数d ( ) 模式中包含串的个数。 对于二进制字符集有： d ( ) = 2 m ( “ ( 1 3 ) 对于整数字符集有： d ( h 1 = n ”“ ( 1 _ 4 ) 设m ( h ，r + 1 ) 表示在第，代种群中存在模式h 的数量，( 日) 为在，时刻包 含h 的染色体的平均适应度。对于n 个染色体的种群，经过选择操作，在t + l 时刻，模式的数量聊( 日，+ 1 ) 可表示为 m ( h ，h 1 ) = m ( h ，t ) n f ( h ) ， ( 1 5 ) 绪论 式中n f ( h ) l ，可进一步写成 厂( h ) “_ ”) = f ( h ) l f ( 1 6 ) 由上式可知，在选择运算过程中，下一代种群中h 的数量正比于种群中h 染色体的平均适应度与种群平均适应度的比值。 经过交换和变异操作后，模式可能被破坏，由于交换而破坏的概率为： e j ( ) ( 三一1 ) 其中l 是染色体的长度；只是交换的概率；占( h ) 是定义长度；由于变异而破坏 的概率为：d ( h ) 只，式中0 ( h ) 是确定位数，只是变异的概率。 综上讨论，在遗传算法运算过程中，经过选择、交叉和变异操作以后，在 什l 代模式的数量为： 唧+ 1 ) 圳蛳) 竽 一箬咧毗 ， 并由此可以得出以下定理： 模式定理：在遗传算法选择、交叉和变异的作用下，具有低阶、短定义长 度及适应度高于平均适应度的模式在子代中得以指数级增长。 模式定理阐述了遗传算法的理论基础，它说明了模式的增加规律，同时也 给遗传算法的应用提供了指导作用。 1 4 本文研究问题及内容安排 1 4 1 课题的提出 基于交通模式的电梯群控系统主要由两部分构成：交通模式识别模块与派 梯算法模块。交通模式识别模块根据预测交通流和群控系统当前未响应的呼梯信 息确定当前系统的交通模式。派梯算法模块是由不同交通模式的派梯算法库组 成。因此本课题研究的主要内容由两部分组成：第一，电梯群控系统的交通流模 硕士孝位论文 式识别。第二，不同模式下的派梯算法，其中主要研究层削交通模式下基于混合 遗传算法的派梯算法。 1 4 2 本课题研究内容 首先，为了使群控系统根据用户要求和交通环境的变化而自适应地调整控 制算法的能力，我们根据用户提出的要求建立多目标评价函数( 如侯梯、乘梯时 间，电梯耗能，乘客的装载率，乘客的忍耐力等) 。 第二，提出了两种交通流模式识别方法。一种方法是基于遗传算法的模糊 神经网络交通流模式识别方法，该算法应用多种智能算法相互结合，扬长避短， 充分发挥了各种算法的优点。另一种方法是基于免疫规划k - 均值聚类算法识别 电梯群控交通流模式的新方法，该方法将聚类分析应用到交通流的模式识别中， 实时性好，准确性高。并对两种方法性能进行比较，从而可以根据不同的交通模 式采用不同的派梯策略。 第三，目前的派梯算法有基于模糊控制的派梯算法p 】、专家系统派梯算法 t s l 、神经网络派梯算法【m 】等。但以上的派梯算法都是针对上、下行高峰模式下 的算法，控制目标是减少整个系统的乘梯时间，提高装载率等。对于繁重的混合 交通模式下，与其它交通模式相比，呼梯信号及其目的层均比较分散。这样对于 一幢有n 部电梯、m 层的群控系统来说可能有”“。种派梯方案，用通常的方法 ( s g a 等) 从中搜索最优派梯方案，很难满足电梯的实时性要求，因此我们采 用混合遗传算法搜索最优派梯方案。 第四，在虚拟电梯群控系统环境下，对我们提出的基于交通流模式的派梯 算法进行测试，比较和分析，验证了本文提出算法的优越性。 1 4 3 本课题研究目标 对一个复杂的、具有多种要求的电梯群控系统( n 部、m 层) ，通过对系统 控制参数和运动过程进行研究，提出一种新的算法以完成电梯将乘客安全、快捷、 舒适地送往目的楼层的任务，从而提高电梯设备的运行效率，节约能源。具体是 探索一种基于遗传算法的优化方法，实现对电梯群控系统多目标控制下的最优派 梯。 电梯群控系统的构成 第二章电梯群控系统的构成 2 1 电梯群控系统的工作原理 电梯群控系统是指多台电梯由一个控制系统来统一协调管理，使电梯群运 行在最优状态下( 如等待时间最短，避免电梯聚集等) 。一般电梯群控系统由电 梯群控器、n 台电梯的单梯控制器、n 台电梯的拖动系统、1 1 台电梯的人梯交流 界面以及层站设备组成。 在一幢大厦内由一台电梯群控系统同时管理几部电梯，每部电梯拥有自己 的控制器，它们通过轿厢控制器来完成指令，并与电梯群控器结合在一起。群控 器有三个组成部分：交通流数据统计、派梯算法和响应厅层召唤。交通流数据统 计是用来统计系统交通流数据以便用于提取交通流的数据特征，判别当前交通属 于哪一类型的交通模式，从而采用不同的控制算法优化派梯。派梯算法是根据当 前的交通模式采用不同的控制策略。响应厅层召唤是由控制策略决定选择召唤指 令服务的电梯。 从宏观上看，整个系统由硬件和软件两部分组成。硬件主要包括每个电梯 的控制器、信息采集器和电梯群控器等。软件包括信息采集处理模块、交通流识 别模块、智能派梯算法模块及人机对话模块等。 2 2 电梯群控系统的硬件结构 电梯群控系统的一般硬件结构如图2 - i 所示，主要包括电梯群控器、n 台电 梯的单梯控制器、n 台电梯的拖动系统、n 台电梯的操作台以及层站设备组成。 单梯控制器只控制其所对应的电梯的运行，并且传送该电梯的运行状态信 息给电梯群控器以及执行群控器所下达的指令。单梯运行状态信息包括梯内呼 唤、各门厅的呼唤、单梯现在所在的位置以及电梯速度等。群控器根据各个单梯 信息决定最优派梯方案应答门厅呼梯信号。群控器另一个重要的功能是实时检测 交通状况，采用智能算法识别交通模式，统计交通流量用于交通模式的预测等。 硕士学位论文 图2 1 电梯群控系统结构图 f i g 2 - 1t h es t r u c t u r eo f e g c s 电梯的拖动系统包括曳引电机、钢丝绳、导向装置、轿厢、厅轿门、安全 装置等。层站设备包括层站召唤系统、显示器、语音报站和识别系统等。为了方 便乘客，往往在同- - f l 厅并联安装多组召唤系统。在一些高档的大厦或私人住宅 为了安全起见，往往需要识别系统来识别乘客，如指纹识剐或肖像识别等。 早期的群控器是由继电器组成，它只适用于楼层较低、电梯台数较少、交 通模式简单的情况，而且群控器一旦建成，群控算法无法改变。现代电梯群控系 统与早期的群控器相比最大的优点是带有人工智能的控制算法，能够在线分析交 通流状况。现代电梯群控系统主要有两部分构成：信息处理单元和派梯算法单元。 信息处理单元主要完成交通流的数据统计、预测和交通流模式识别。派梯算法单 元主要完成接受信息处理单元送来的数据统计、预测和交通流模式识别信息，并 根据信息采用相应的控制算法确定最优派梯方案。 2 3 电梯群控系统的软件结构 电梯群控系统的软件一般采用模块化结构，如图2 - 2 所示“。按功能分包括 单梯控制与信息采集，交通流数据统计、交通模式识别，用户控制目标的设定 l l 电梯群控系统的构成 派梯算法库四部分。每个部分由一个或多个功能模块组成，下面简单介绍主要模 块的功能。 ：十 传输 传输 派梯 j 梯 数据 数据算法 用户 ；控 信息 库 控制 信息i ：制 樟块i 樽士妻 目标 ；与 l去 确定 与模 糊规 ! 数 轿厢 塑竺生 则学- 。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 一 ：据 控制 模块 习 ：采 样本产生l交通模 h 目oh 式识别 集 刊 交通流模式识别 图2 - 2 群控系统的软件结构图 f i g2 2t h es t r u c t u r eo f s o f t w a r ef o re g c s 2 3 1 交通流数据统计模块 交通流数据统计模块接收由传输数据信息模块发送的层站呼梯信息，按照 预先设定的时间间隔，以一定的设计方法，对这一时间间隔的数据进行归类、统 计和保存。用这些数据作为神经网络训练样本，此外，在电梯用户改变控制要求 时，需要用交通流数据统计模块保存的数据进行仿真以测试改变控制要求的效 果。 2 3 2 网络训练样本产生与网络学习模块 该模块分为样本产生和网络学习两部分。训练时采用的是有教师学习方法， 这就需要有一定数量的训练样本，训练数据产生部分就是利用交通数据统计模块 所保存的数据，选择能充分体现群控系统交通流特征的数据作为训练样本。 2 3 _ 3 用户控制目标确定与模糊规则学习模块 用于通过用户友好界面接受用户的要求，并按照要求进行模糊规则的学习 形成按照用户的要求调节控制目标优先权的新调节算法，模糊规则学习完成后进 行仿真。以验证控制目标优先权的新调节算法是否合理。此模块仅为多目标派梯 算法服务。 硕士学位论文 2 3 4 交通模式识别模块 根据交通流和群控系统当前未响应呼梯等信息确定当莳交通模式，使派梯 算法库模块根据不同的交通模式选用相应的派梯算法。 2 3 5 传输数据信息模块 它主要用于实现轿厢控制器与群控器的数据传输，完成以下三个功能： ( 1 ) 将每部电梯的位置、方向、运行状态、门状态及轿厢内人数等实时信 息传输到派梯算法库模块。 ( 2 ) 派梯算法库模块的输出信息，也就是层站派梯结果传输到相应的轿厢 控制器。 ( 3 ) 将所有呼梯信息传送到交通流数据统计模块。 2 3 。6 轿厢控制模块 用于根据呼梯任务栏的数据来操纵轿厢的运行，控制门动作。 2 _ 3 7 派梯算法库模块 由应用于不同交通模式的派梯算法组成，如高峰模式的派梯算法、层间模 式的多目标派梯算法等。根据不同交通模式选用相应的派梯算法，进行呼梯分配。 2 4 本章小结 本章首先介绍电梯群控系统的基本工作原理，现有的群控系统大多数是基 于交通模式的智能派梯方法，也就是说系统首先判断当前交通流模式，然后根据 不同的交通模式采用不同的控制策略。其次从宏观的角度介绍了电梯群控系统的 基本构成，分别介绍各个功能模块在系统中的作用，以及各功能模块之间的联系。 现有的电梯群控系统的软件大多数采用模块化结构，每个模块之间相对独 立，但又有一定的联系。模块主要以模块的功能来划分的，每个模块具有一定的 功能。随着群控系统的要求不断的提高，原先不考虑的因素( 或信息) 在新的系 统中变得比较重要，有些因素也许不再收集，此时只需要修改某些模块的部分程 序即可。因此采用模块化结构可以方便软件的修改和调试，大大减少了系统的开 发周期，提高了系统的可靠性。 第三章电梯群控系统性能指标分析和目标函数的确定 第三章电梯群控系统性能指标分析和目标函数的确定 随着建筑物高度的增加，建筑物内的交通情况变得越来越复杂，对电梯群 控系统的性能要求越来越高。如何提高电梯群控系统的服务性能和电梯群控系统 的配置直接影响其运行性能。一般来说，更多的电梯意味着服务质量相对会好一 些( 候梯时间与乘梯时间都会缩短) 。据估计，建筑物电梯的花费大约占建筑物 总投入的1 1 左右，同时增加电梯台数将多占用建筑物的建筑面积。因此，在满 足服务要求的前提下应尽量减少电梯的数量。 3 。1 电梯群控系统的性能指标 近年来，国内外专家提出了各种群控算法以满足不同的交通状况。不管什 么样的先进算法，构造目标函数和评价函数都是一个不可避免的任务。因此如何 建立和构造合适的目标函数对于电梯群控系统来说十分重要。下面对用于分析和 评估电梯群控系统的四种性能指标进行阐述和分析。 3 1 1 时间指标 对于乘客而言，乘梯和候梯时间越短，意味着电梯的服务质量越高。因此， 大多数群控系统的专家认为，时间指标是电梯群控系统的最重要的指标。关于时 间指标有以下定义： ( i ) 平均候梯时间， 乙2 n p , = i 瓦( 7 ) ( 3 1 ) 其中n 。表示总的乘客人数，兀( f ) 表示第i 个乘客实际的侯梯时间。 ( 2 ) 平均乘梯时间 瓦= 上n p 兰j = l 删 ( 3 2 ) 硕士学位论文 其中乃( f ) 表示第i 个乘客实际的乘梯时间。 ( 3 ) 平均花费时问 乙= 。+ ( 3 3 ) ( 4 ) 侯梯最长时间l 。 t = m a x ( t 。( i ) l i - l , , n , ) ( 3 - 4 ) ( 5 ) 电梯运行时间 瓦_ _ 疋。一疋。( 3 - 5 ) 其中瓦。指电梯运行停止时刻，丁k 。指电梯运行开始时刻。 ( 6 ) 电梯平均往返时间a r t t 一：, ”e 铲r j ：丁3 0 0 n o , r b s ， ：足 厶 、 其中，m 表示系统中电梯的总台数；r 。是第i 台电梯总的往返时间；r r o j 是第i 台电梯的第_ ，次往返时间；虬，是一次往返中电梯乘载的平均乘客人数；l 5 是指 5 分钟的装载率。 3 1 2 能耗指标 电梯耗费的能量越低，则相应的运行费用越低，电梯的能耗与电梯的运行距 离密切相关。大多数研究者并没有充分考虑该性能评价指标，系统的能量需求随 着交通需求的不同而变化。从业主角度出发，节能并减少运行费用是非常重要的 一个指标。能耗评价指标如下： ( 1 ) 总的运行距离n n ， 口= d ( f ) ( 3 _ 7 ) i = l 其中，d 倒是指第i 台电梯的运行总距离。 ( 2 ) 总能耗e j k 辱= e ( f ) i = 1 其中，e 似是指第i 台电梯的运行总能耗。 f 3 8 ) 第三章电梯群控系统性能指标分析和目标函数的确定 3 1 3 乘客信息参数 乘各信息参数是电梯群控糸统的重蛰参数z 一，单位时j 刚内乘载的乘窨人 数越多，则电梯的装载率越高。该性能评价指标由乘客的人数、乘客的分布和服 务时间三个参数决定。装载率和服务效率定义如下： ( 1 ) 分钟装载率如 厶：?l(3-9) 3 1 3 0 0 其中，n 以秒为单位 ( 2 ) 基于距离的服务效率 仉：i 冬 ( 3 1 0 ) 铲茹 u 。1 w 其中，d ，是指总的运行距离，毋是指建筑物的层数。 ( 3 ) 基于能耗的服务效率 仇= 鲁 ( 3 1 1 ) 其中，7 7 ，表示单位能耗的5 分钟的装载率。 3 1 4 乘客的忍耐力指标 由于服务时间的不确定性，因此电梯的服务一般不能按计划进行。当一个 电梯正响应一个新乘客呼梯时，该乘客到达目的层的时间可以确定。但是由于其 他乘客后来加入，电梯分配通常会出现延迟和到达滞后现象。对于一个乘客来说， 电梯的服务时间只有在到达目的层且出了轿厢后才能计算出来。由于不确定的服 务时间，而且在电梯群控系统中这种不确定性发生的概率非常高。很显然，延迟 的时间越短，也就意味着分配系统避免不确定因素越少。电梯分配系统应该在尽 量少的不确定因素的情况下分配电梯。为了减少服务时间和消耗能源，我们定义 如下： ( 】) 平均候梯延迟时间l 。 硕士学位论文 ：兰 瓦( f ) - 瓦。( f ) 2 瓦缶) 卅w 删 其中，死。倒第i 个乘客预测最少候梯时f n j 。 ( 2 ) 平均乘梯延迟时间t 。 吻：兰7 l ( i ) - j 删 吻2 瓦缶。 一。川 其中，乃。倒第i 个乘客预测最少乘梯时问。 ( 3 ) 乘客到达平均延迟时间t a a 1 口= | c a w q - 气口l 3 2 电梯群控系统派梯过程中变化因素 ( 3 一1 2 ) ( 3 - 1 3 ) ( 3 1 4 ) 通常大多数研究者在研究派梯算法时只考虑时间和呼梯信号( 或交通模式) 的变化。对于群控系统的性能评估太简单而