开题报告定稿例子.doc

开题报告定稿例子 中北大学毕业论文开题报告学生姓名王鑫学号0805054105学院、系信息与通信工程学院电气工程系专业自动化论文题目电梯群控系统交通模式识别研究指导教师:张文华xx年3月13日毕业论文开题报告1结合毕业论文情况，根据所查阅的文献资料，撰写2000字左右的文献综述文献综述一研究背景及意义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人们的交通需要。 在大型建筑中，往往要安装多部电梯来为人们服务。 为了提高电梯的使用效率，需要对多台电梯进行集中统一的控制，这种多台电梯群的优化调度系统就是电梯群控系统（EGCS）【1】。 电梯群控系统的发展，由早期使用继电器逻辑组成的电梯群控系统，经历了由当初的预选控制到后来的区分控制，之后使用了具有较为复杂功能的集成电路，最后到达今天利用计算机进行数据处理的高级系统【2】。 为了缩短人们的候梯时间，新的电梯群控系统的普遍发展是能识别交通流量的变化。 在电梯群控中，能否有效的分析和处理电梯交通数据是影响电梯群控系统性能的一个重要因素。 对建筑物内部的交通流状况进行准确分类，在不同的交通流状况下采用不同的电梯群控策略，可以有效提高电梯的服务质量和各项性能指标【3】。 建筑物按照使用用途一般分为住宅、旅馆、办公大楼、医院和百货大楼。 对于典型的办公大楼，根据其客流量的分布特点可以将大楼内的交通状况分为以下六种交通模式上行高峰交通模式（全部或者大多数乘客在建筑物的门厅进入电梯且上行）、下行高峰交通模式（全部或者大多数乘客乘电梯下行到门厅离开电梯）、空闲交通模式（大楼的客流稀少，乘客的到达间隔很长）、两路交通模式（主要的客流是朝着某一层或者从某一层而来，而该层不是门厅）、四路交通模式（主要的客流是朝着某二个楼层或从某二个特定的楼层而来）和平衡的层间交通模式（上行和下行乘客数量大致相同，并且各层之间的交通需求基本均衡）【4】。 对于电梯群控系统来说，它必须能够辨识出建筑物内交通流量的变化情况。 不同用途的建筑物，客流交通各有特点，就算是同一种类型的大楼，因为关系到用户怎么样去使用它们或者个人的一些生活习惯的不一样也会造成大楼内的客流情况的变化。 我们要实现交通配置的最优化，必须要控制电梯的运行方式，使之能够根据电梯本身状况、当时的交通流量和安装环境而变化，其中电梯本身状况和安装环境是可以观测到的或者是已知的，但对于交通流量来说，它是个难以观测的要素，需要进行研究【5】【6】。 在不同的交通模式下采用最合适的群控算法，可以提高整个电梯系统的性能，要实现不同算法根据交通流的状态实时地切换，需要有个实时的交通分析模块，以辨识当前的交通模式。 二国内外发展与现状1.电梯群识别模式发展为了更好地为电梯群控系统的调度决策提供依据，优化电梯群控系统的服务性能，多年来一直在对电梯群控系统的识别进行研究。 专家系统在群控系统中应用较早，三菱的AI2100系列，富士通的FLEX系列和日立的CIP52000系列，都用了专家系统。 这种控制算法是由很多有经验的专家来提供的，手段就是一些经验性的知识【7】。 但是专家的知识经验具有一定的局限性，以他们的经验所假设的大楼与我们实际要用于的大楼是有区别的，这种系统不一定能获得预期的效果。 而且一般情况下，用专家系统的电梯群控系统对于复杂的、高层的建筑物不一定适用【8】。 所以专家系统通常和其他技术融合在一起。 目前，专家系统也是用模糊控制的原理和方法，成为模糊专家系统。 80年代末，三菱公司首先将模糊逻辑应用于电梯群控系统中，它采用的算法是当有外呼按钮按下时，使用知识库和模糊规则选择适当的电梯来服务乘客【9】。 在电梯群控系统中存在着大量的不确定性，当系统的复杂程度很高而系统的状态又不易精确预测时，模糊规则的应用取得了比传统的逻辑控制方法更好的效果。 如1988年富士通公司推出的FLEX-8800系列【10】。 电梯群控系统的控制算法中应用模糊逻辑可以实现电梯群控系统的多目标控制策略，并使系统的非线性、随机性和多样性的派梯任务得到非常好的处理【11】。 带有模糊逻辑的电梯群控系统FLEX引入了最新呼梯分配方法。 这种系统与常规系统相比，平均候梯时间减少15%25%，轿厢到达的预报准确率提高60%80%。 从1994年起，神经网络技术被引入电梯群控系统，用于描述电梯群控系统的动态特性。 它是一种并行的分布式信息处理结构，并且有强大的学习功能和并行处理能力。 目前，神经网络技术在电梯群控系统中已经有了应用实例和进一步的应用研究【12】。 例如富士达公司的Neuros-1系统采用神经网络接收梯群的状态信号，估计每部电梯应答呼梯的性能指标来达到优化派梯。 将具有学习功能的神经网络引入到电梯群控系统中，克服了其他控制的缺点。 人工神经网络同模糊控制系统相比，性能可以提高5%10%。 由于各种识别方式都有自己的优缺点，学者们将多种方法相结合起来，取其长而避其短，形成了模糊神经网络【13】。 它具有一个表达框架，一方面提供用于解释和推理的可理解的模型结构，通过它可以以一种清晰的方式描述知识，另一方面它具有知识获取和学习能力。 现阶段模糊神经网络在电梯群控系统中的应用已取得一定发展。 2.模糊神经网络及学习算法 (1)模糊神经网络结构【14】第一层为输入层,节点为语言节点，代表的是输入语言的变化，神经元数为n；第二层为模糊化层，节点为项节点，充当隶属函数用以代表每一个相应输入语言变量的项，神经元个数为p；第三层为规则层，节点为规则节点，代表模糊逻辑规则，神经元数为q；第四层为模糊推理层，节点为项节点，神经元个数为r；第五层为输出层，节点为语言节点，代表的是网络的输出语言变量，神经元个数为m。 （2）学习算法模糊神经网络的学习算法通常是常规神经网络的学习算法及其推广，常见的有反向传播学习法；模糊反向传播学习法；基于-截集的反向传播学习法；随机搜索学习算法；遗传学习算法【15】。 参考文献1彭克荣.电梯技术的发展现状及发展趋势J.建筑机械化，1996 （5）4-6.2宗群，曹飞燕，曲照伟.电梯群控系统中智能控制方法J.电气传动，1998 （3）25-28.3朱德文，杨祯山，张筠莉.智能控制电梯工程系统M.北京中国电力出版社，xx79-81.4李中华.垂直交通客流分析与电梯群控制优化研究D.学位论文，xx2-3.5久保进，包光地.采用人工智能的群控系统J.中国电梯，1990 （1）33.6曹燕飞.电梯群控系统中智能交通分析方法的研究D.天津大学电气自动化与能源工程学院，1999.7HitoshiAoki.Group supervisorycontrol systemassisted byartificial intelligenceJ.Elevator World,1990 (2):70-80.8King PJ.etal.The applicationof fuzzycontrol systemsto industrialprocessM.Automat.1977.13 (3):235-242.9唐新宇，王萍，任智华.模糊控制在群控电梯中的应用J.天津工业大学学报，xx,21 （1）65-70.10Allbert TP So,J RBeebe,W LChan eral.An artificialneural workbased trafficpatterns recognitionsystemsJ.In Jof ElevatorEngineering,1996,35-4611赵硕，何鹏，唱江华.基于模糊控制的电梯群控系统的研究与设计J.控制系统，xx （5）51-53.12韩立群.人工神经网络理论、设计及应用M.北京化学工业出版社，xx:141-142.13李士勇.模糊控制、神经控制和智能控制论M.哈尔滨工业大学，1996:90-95.14宗群，尚晓光.基于模糊神经网络的电梯系统交通模式识别J.系统工程学报，xx,16 （6）418-424.15许域菲，马春武，姜斌.基于电梯群控系统智能技术的研究和算法设计C.中国自动化学会第21届青年学术年会，xx:321-326.毕业论文开题报告本课题要研究或解决的问题和拟采用的研究手段（途径）课题要研究的问题本课题的任务是对电梯交通流中的高峰期、空闲期、最大客流层、次大客流层的模式进行识别。 为了研究各种交通模式所占的比例，首先要了解当前大楼内的交通流状况。 对交通状况的监测，在短时间内不可能获得足够的信息，所以对电梯群控系统的交通流模式应选取一个合适的周期并进行长时间的观测。 并对信息进行分析、计算和。 图电梯交通流特征获取信息后要对识别的方式进行选择，现阶段识别模式有多种，选择熟悉且有优势的识别方法来研究课题。 Aebert等提出了用神经网络或模糊推理进行交通模式识别的方法，但用神经网络方法制定样本困难，而且网络训练非常耗时；而用模糊规则方法则无学习能力。 模糊神经网络结合了二者的优势，拟采用此方法进行进一步的研究。 拟采用的研究手段一采样方式拟选取学校图书馆电梯作为研究对象，门厅左右各两台电梯，测试样本的采集时间为星期一到星期五，时间定为开馆时间到闭馆时间（早7:00晚10:30），分别由两个人进行观测。 记录每5分钟内总的人流量，每5分钟进入门厅上行的人数，每5分钟下行离开门厅的人数，人流量最大的楼层每5分钟人流量和次大楼层每5分钟的人流量。 二识别方式经过对电梯识别技术的发展分析，拟采用模糊神经网络。 这种方法集中了模糊逻辑和神经网络二者的优点，克服了各自的缺点，既能利用专家经验知识处理不确定的信息，又具有自学能力。 步骤如下 （1）交通模式特征的提取模糊神经网络的作用是进行交通模式识别,网络的输入应是能够反映交通模式的特征值,根据对每种交通模式的分析,可确定3个特征值:即本时间段的总客流量x1*、进门厅乘客数x2*、出门厅乘客数x3*,这些特征值基本上可以反映一个时间段的交通特征,对于辨识交通模式是合适的,时间段选取5分钟作为模式识别的时间间隔。 （2）网络结构的确定根据总客流量、进门厅人数和出门厅人数三个特征值辨别出上行高峰、下行高峰、随机层间和空闲交通模式的比例。 将x1*、x2*、x3*归一化处理后作为网络的输入,网络的输出为y1y4，分别表示四种交通模式所占的比例。 （3）通过样本训练网络确定样本:交通模式识别网络的样本主要根据专家经验来制定,专家经验可以比较准确的反映交通状况和各种模式之间的关系。 模式识别网络的输入取值范围都是【0,1】,每个样本的输出值由专家经验制定,即按经验知识来确定各种交通模式的比例。 训练网络对上一步获得的训练样本集,采用三步混合训练方法对模式识别网络进行训练。 第一步,从样本中获得隶属函数；第二步,利用上一步获得的隶属函数，从样本中获得模糊规则；第三步，用改进的误差反响传播方法优化调度隶属函数。 （4）应用网络交通模式进行识别三基于MATLAB的神经网络仿真 （1）MATLAB7神经网络工具箱简介MATLAB环境下的神经网络工具箱是以人工神经网络理论为基础,利用MATLAB语言构造出许多典型神经网络的激活函数、各种典型的修正网络权值规则和网络的训练过程。 这样,网络的设计者可根据自己的需要调用工具箱中有关神经网络的设计与训练的程序,免去了繁琐的编程过程,从而大大地提高效率和质量。 MATLAB7所对应的神经网络工具箱内容非常丰富,包含了很多现有的神经网络新成果和大量的演示实例。 （2）设计BP网络的相关函数BP网络创建函数new ff用来生成BP神经网络并进行初始化。 其语法为:=new ff(PR,S1,S2?,SN1,TF1,TF2,?TFN1,BTF,BL E,PF)神经元上的传递函数:又称为激活函数,是BP网络的组成部分。 BP网络要求其传递函数必须是连续可微的,通常采用S型的对数函数logsig、双曲正切函数tansig或线性函数purelin。 BP网络学习函数:学习函数用来修正权值和阈值,主要有两种:梯度下降权值?阈值学习函数learngd和梯度下降动量学习函数learngdm。 BP网络训练函数:主要的训练函数包括BFGS准牛顿BP算法函数trainbfg、梯度下降BP算法函数traingd、梯度下降动量BP算法函数traingdm等等。 性能函数:用来计算网络的输出误差,为训练提供判据。 包括:函数mae,计算网络的平均绝对误差；函数mse,计算网络的均方误差；函数msereg,计算均方误差和权/阈值的加权；函数sse,计算网络的均方误差和。 显示函数:主要有用来绘制网络性能曲线的函数plot2perf。 仿真函数:函数sim用来计算网络在给定输入下的输出。 毕业论文开