电梯群控系统的分析与研究-

1、 1引言随着高层建筑和智能化建筑不断出现,人们对电梯服务质量提出了越来越高的要求,单台电梯往往不能满足建筑内的交通需求,需要合理安装多台电梯。安装在一起的多台电梯要求单台电梯的控制系统相互联动,且具有监控系统。但仅用这种方式不能适应客流量的急剧变化,无法改善在某段时间内必然出现的长时间候梯现象。为解决这些问题,多台电梯的优化调度系统,即电梯群控系统应运而生。电梯群控系统(ElevatorGroup ControlSystem,简称EGCS是指在一座大楼内安装多台电梯,并将这些电梯与一个计算机连接起来。该计算机可以采集到每个电梯的各种信号,经过调度算法的计算向每个电梯发出控制指令。总之,E G

2、C S 能够根据楼内交通量的变化,对每个电梯的运行状态进行调配,目的是为了达到梯群的最佳服务及合理的运行管理。2电梯群控系统结构由于生产厂家的不同,使得电梯群控系统的结构也存在着差异。但电梯群控系统的分析与研究姜国勇臧小惠大连市特种设备监督检验所,大连,116021是,群控系统的基本结构是相同的。它包括召唤按钮、轿厢、电梯控制器、通信系统、电梯群控系统(调度模块、交通模式识别模块、数据管理模块等、其他辅助设备(如声音制导系统、显示系统、远程监控系统等。乘客在某楼层按下厅外召唤按钮后,通信系统将此召唤信号输入到电梯群控系统中。电梯群控系统选择与此时的交通模式相对应的群控算法,根据客流、召唤信号情

3、况及各台电梯的状态,选出一台最合适的电梯。所选电梯运动至该楼层时,发出声音、图像或数字等通知显示信息。停车开门后,乘客进入轿厢,登记目的楼层。电梯控制器将此目的楼层信号传输给电梯群控系统。电梯启动上行,到达目的楼层后开门,乘客走出轿厢。在这个过程中,电梯控制器接收电梯群控系统的指令,控制单台电梯的运行,并将电梯的状态反馈给电梯群控系统。电梯群控系统对电梯控制器发出控制指令,同时进行信息处理。学习模块对系统进行学习,并对系统进行实时调节。 3传统电梯群控系统传统的群控算法只有一个目标,即最小候梯时间。在现代高层建筑的一些特定交通模式下,不可能要求每一部电梯能够服务每一个楼层,所以电梯群控系统调度

4、算法的研究有着重要的现实意义。调度算法的实质是在一个变化的环境下的在线调度、资源配置及随机最优控制的优化组合问题。调度算法的实质是对电梯群控系统时间序列性能指标的优化。但优化上述任何一个指标都非常困难。主要原因有系统状态空间非常庞大、系统动态特性伴随着许多不确定性和再指派策略的实施问题。传统电梯的控制算法致使电梯的运行效率低,容易出现电梯扎堆现象,导致顾客长时间乘梯和长时间候梯,而且电梯的起停次数过多,造成能量浪费。随着智能建筑的出现与发展,作为其子系统的现代化电梯群控系统也必将越来越多地体现出智能控制的特点,把智能控制算法引入电梯群控系统能够较好地解决群控系统目的多样性和系统本身固有的随机性

5、和非线性。4电梯智能群控系统目前,在电梯群控系统中,为了减少乘客的候梯时间和降低电梯的能耗,提高每台电梯的利用率,已经引入了基于专家系统、模糊控制、人工神经网络和模糊神经网络的智能控制方法。 4.1基于专家系统的电梯群控专家系统在电梯群控中的应用始于20世纪90年代,它是根据某一特定领域中专家的知识和经验,按照一定的格式建成“I F 条件T H E N 结论”条件语句形式的知识库。专家系统由知识库、数据库、推理机、解释部分以及知识获取部分构成。主要研究用于处理复杂系统工程技术问题的知识表示、使用和获取的方法,依靠经验的、尚未形成科学体系的领域专家知识对系统进行控制。建立该系统的主要目的,是支持

6、和帮助某一特定问题领域的非专家去解决复杂问题。将专家系统用于电梯群控的主要控制目标是:减小系统响应时间、系统服务时间和候梯时间。由于专家经验及知识的局限性,和知识表达的不全面性,使得控制规则并不完善,因此此种方法不能很好地适应不同大楼的模型要求。将模糊控制用于电梯群控的主要控制目标是:减小候梯时间和乘梯时间,减小轿厢内拥挤度,减少长候梯率,防止扎堆。其缺点是模糊逻辑没有学习能力,隶属函数加权系数不会根据不同交通模式而改变,完全依赖于专家制定的大量控制规则,运行时无法修正规则,系统性能受专家知识影响很大。4.3基于神经网络的电梯群控1943年,心理学家McCulloch 和数学家巧招首次提炼出了

7、一个神经元模型(简称MP 模型,把神经元作为双态开关,并应用布尔逻辑的数学工具研究客观事件的形式神经网络的模拟。人工神经网络是依据人类和动物大脑的工作方式建模的,是一种动态非线性系统,其分层网络结构,介于推理和数值计算之间,包括输入层、缩短候梯和搭乘时间,更可以减少电梯的运行次数,从而减少能耗。隐含层、输出层,其结构是根据所要实现的功能来划分网络层数和神经元的个数。将人工神经网络用于电梯群控系统的主要控制目标是:减小候梯时间。其缺点是神经网络是一种黑箱式结构,结构难以确定。由于神经网络实施的前提是将某些类型的神经网络储存起来,以实时采集到的交通数据为基础,所以会出现重复学习的过程。4.4基于模糊神经网络的电梯群控2随着智能控制的发展,人们更多的注意到各种智能控制的优缺点及其互补性。开始采用了“相互结合、取长补短”的“集成化”策略,提出了“模糊化神经网络(F N N ”的专家控制,模糊化神经网络可以实现一种解释和推理的模型结构,用它来清晰的描述知识和获取知识。这种群控系统还具有学习能力,以弥补