电梯群控系统的研究

电梯群控系统的研究

清华大学2012届毕业论文

1绪论

1.1课题研究背景

电梯作为高层智能大厦的主要垂直交通工具，电梯系统的服务质量和服务效率的提高对建筑物的有效利用和性能发挥将产生极为重要的影响。为提高服务质量和服务效率，电梯的控制技术由单台电梯的独立控制发展到多台电梯的协调控制，进行合理的调度和管理，即电梯群控。所谓电梯群控系统EGCS(ElevatorGroupControlSystem)是指：综合考虑大楼的交通模式、各时刻的交通流量、各楼层的乘客轿外呼梯信号等各种因素，对一栋楼宇里布置在一起的多台电梯进行统一调度，每个楼层的召唤信号集中由群控主机来控制，根据系统设定的优化目标和建筑物中的实际交通状况，产生最优派梯决策的控制系统[1]。

电梯群控系统能够有效地改善客流调度及运输效果，一直受到人们的高度重视。而我国在电梯群控方面的起步比较晚，现阶段对于电梯群控的关键技术尚未能完全掌握，拥有自主版权的群控方法和技术在实际中的应用还比较少，且与国外相比还有较大的差距。因此，很有必要在电梯群控方面展开研究。

1.2电梯群控系统的概述

1.2.1电梯群控系统的起源

历史上第一台真正的电梯出现在1889年12月，由美国Otis电梯公司研制，它是由电力驱动，齿轮直接传动的。此时的电梯必须由司机操作运行，既浪费人力又浪费资源且得不到较好的经济效益。为了改善这一问题，人们逐渐发展出了以下几种电梯控制方法[2]：

1、简易自动控制方式

这种方式是一种最简单的自动控制方式。每层的呼叫按钮只有一个，上行与下行通用。轿厢由层站呼叫按钮和轿厢共40页

清华大学2012届毕业论文

行前方不再有呼梯，轿厢就自动反向运行，依次回答反向呼梯，最后回到基站。

3、电梯群控方式

电梯群控方式就是将多台电梯组成一组，采用分布式控制系统，根据大楼交通的情况，对各台电梯进行协调控制，采用最优的输送方式。这种控制方式能够提高建筑物电梯群控系统的发展

电梯群控系统自二十世纪四十年代起，从最初使用继电器，到集成电路的应用，乃至今日人工智能的应用，电梯群控系统大致经历了三个阶段[3]：

第一阶段：继电接触控制方式[4]

1941-1971年，电梯群控系统利用继电器来实现系统的顺序运行,称之为自动方式选择控制系统。这种方式的控制系统能根据不同的交通模式选择与之相对应的运行方式。交通模式由上行高峰模式、下行高峰模式及非高峰期模式等组成，采用时间间隔的控制方式。该群控系统的厅层召唤系统比较单一，在每个厅层共40页

清华大学2012届毕业论文

制方式能实现电梯的无司机控制，从而节省了人力才力，但整个系统运行效率不高，并且维护起来也相对比较复杂。电梯群控制的最简单形式是方向预选控制，每部电梯都靠方向预选控制的方式来操作，工作时，主要是靠在上行高峰、下行高峰及平衡层间交通选择运行命令来运行的，两部或三部电梯组成的梯群比较适合用这种控制方式。继后，又出现了将几部电梯组成的简单梯群进行分区控制的控制方法，使它们分别服务于交替的楼层。分区控制法虽然缩短了单部电梯的运行周期，与方向预选控制相比运行效率也得到了一定的提高。但由于这种控制方式里的动态分区算法比较复杂，因此主要以静态分区法为主。

第二阶段：集选控制方式

1971-1975年，集成电路应用到了电梯群控系统的硬件结构当中，这样不但简化了结构，系统的可靠性也提高了，也能处理比较复杂的逻辑运算。与简易自动方式相比，这种控制方式比较高级，在中间层站共40页

清华大学2012届毕业论文

1975年至1982年是现代电梯群控系统的第一代，这一时期的电梯群控系统，虽然在预报到达楼层的准确度上有了一定的提高，但乘客的长候梯时间发生率比较高，在控制方式上采用候梯时间预测控制的控制方式。

1982年至1988年是现代电梯群控系统的第二代，与第一代群控系统相比，电梯群控的性能及效率都取得了比较大的发展。一是把交通需求的学习功能加入到了电梯群控系统中，这样不但使电梯群运行状态预报的准确度提高了，而且乘客的长候梯率的发生也减少了。准确预报度的提高，使电梯响应呼梯信号派梯后，能实时显示所派电梯这一功能。二是把综合评价系统应用到了派梯方案中，当有呼梯信号发生后，根据群控系统中的交通情况和梯群状态，综合评价每个轿厢的多个性能指标，择优选出最合适的轿厢去响应呼梯信号。从而大大减少了乘客平均候梯时间、平均乘梯时间及整个系统运行能耗等。

随着社会的发展和人们对电梯越来越高的需求，1988年至今，电梯群控系统中开始采用人工智能技术，称之为现代电梯群控系统的第三代。二十世纪新兴的人工智能技术，与传统的控制方法相比，它对解决复杂控制系统的问题有着无法比拟的优点[5]，并在各个领域都取得了显著的成就。同时，电梯群控系统的智能化程度在这一代中也得到了进一步提高，控制系统也更趋于完善，但还有待进一步的发展。

1.3

电梯群控系统采用优化的控制策略来协调多台电梯的运行，以提高电梯的运输效率和服务质量。由于电梯群控系统本身具有多目标性、不确定性、非线性、扰动性和信息的不完备性等特点，导致电梯控制系统变得十分庞大，调度算法日趋复杂，仅仅通过传统的控制方法很难提高电梯群控系统的性能。

近年来，大量先进的控制技术应用于电梯群控系统，使电梯群控系统的控制特性得到很大的改善，但仍有不少问题需要进一步研究。国共40页

清华大学2012届毕业论文

应用于电梯群控之中，以进一步提高现有电梯系统的运行效率，满足乘客的需求，仍需要进一步探索和研究。因此深入研究电梯群控技术，对提高国电梯群控系统的基础理论

2.1电梯群控系统的功能

电梯群控系统是在大楼中存在多台电梯时对电梯群进行优化调度的控制系统。该系统可以采集电梯的实时状态信息，并对电梯群进行统一调度，保证其合理的运行，以达到提高电梯系统的整体服务质量、减少能量损耗的目的。

电梯群控系统的主要功能如下：

l、数据采集功能

电梯群控系统实时检测电梯系统中每一台电梯的运行状态，如每台电梯的当前位置、运行方向、载重、速度、轿共40页

清华大学2012届毕业论文

电梯群控系统可以对每台梯的当前位置、运行方向、载重、速度、梯电梯群控系统的特点

电梯群控系统实际上是对多台电梯的调度问题，其复杂性是由电梯群控系统的特性所决定的，具体表现在电梯群控系统所固有的多目标性、不确定性、非线性和信息的不完备性[7]等几个方面。

1、多目标性

电梯群控系统是用来管理多台电梯并对建筑物共40页

清华大学2012届毕业论文

的百分率。统计表明，乘客的心理烦躁程度是与候梯时间的平方成正比的，当候梯时间超过60秒即所谓长候梯时，其心理烦躁程度急剧上升，所以应尽量减少长候梯的发生。

(3)系统能耗低

单台电梯的能耗与所选电梯的驱动方式、机械性能等有关。如最初的电动机．发电机组能耗比较大，效率较低；而现在的wⅦ(VariableVoltageandVariableFrequency)驱动电梯的能耗和效率都比较高。电梯能耗的消耗特征是：电梯全速运行时所消耗的电能远远低于减速和加速时的电能消耗。电梯停靠的次数越多，所消耗的电能就越大。对电梯群控系统而言，电梯型号一经确定，单台电梯一次起停的电能消耗就已经确定。所以电梯群控系统节能主要依靠群控系统合理地安排与调度梯群对呼梯信号的响应，尽量减少起停次数，同时起停次数的减少也会延长梯群的整体寿命。

(4)平均乘梯时间短

乘客的乘梯时间指从乘客进入电梯到乘客到达目的层乘客离开的这段时间。乘客乘梯时间的增长往往会使乘客感觉不舒服、烦躁。如去建筑物顶层的乘客在乘梯时间长于90秒时，会对停靠变得极不耐烦，所以乘客的乘梯时间应保持在一个特定的期限之共40页

清华大学2012届毕业论文

统，而且各个目标之间是相互矛盾的。如拥挤度要求小，会使平均候梯时间增长。平均候梯时间短则会使长时候梯发生率高。所以各个指标之间的相互平衡成为电梯群控系统的控制难点。

2、不确定性

电梯交通系统存在着大量的不确定性：

(1)呼梯信号的产生层不确定。

(2)各层站的乘客数不确定。．

(3)呼梯者的目的层不确定。

(4)建筑物共40页

清华大学2012届毕业论文

增加系统控制的难点。

(2)乘客进入轿厢的时间因个体的不同而不同，同样不能获得准确数据。

(3)乘客进入轿厢前，其目的层是不可知的。使对乘客乘梯时间的预测和对其它乘客候梯时间和乘梯时间的影响的预测误差较大。

以上所提到的电梯群控系统的多目标性、非线性、不确定性、扰动性和信息的不准确性说明电梯群控是一个非常复杂的控制系统。

2.3电梯群控系统的性能评价指标

在一个控制系统中，性能评价指标通常用来衡量系统采用的控制器的优劣。因此，选择一个较客观合理的系统性能指标用以估计控制器所产生的效果就显得尤为重要。用来衡量电梯群控系统服务性能的评价指标由时间评价指标、能耗评价指标、乘客状态评价指标和乘客的容忍度评价指标等四部分组成[8]。

2.3.1时间评价指标

在对电梯群控系统的研究中，时间评价指标被更多地考虑进来。系统的服务时间越短，其消耗越少，系统效率就越高。时间评价指标有以下几种：

1、平均候梯时间AWT

AWT1

NpNpTiwi1（2.1）

试中，Tw(i)为第i个乘客的实际候梯时间，Np为电梯系统总乘客数。

2、平均乘梯时间ART

ART1

NpNpTiri1（2.2）

试中，Tr(i)为第i个乘客的实际乘梯时间。

3、平均到达时间AAT

AATAWTART(2.3)

4、最长候梯时间MWT

MWTmaxTwi(2.4)

5、总运行时间TRT

TRTFSTSST(2.5)

第9页共40页

清华大学2012届毕业论文

其中，TRT系统停止运行的时刻，SST为系统开始运行的时刻。

6、平均运行周期ARTT

NeRi

ARTTi1j1

NeRTTij

Ri300NarpL5

(2.6)i1

式中，Ne为群控系统的电梯数目，Ri为第i台电梯的总环行次数，RTTij为第i台电梯运行第j圈所用时间,Narp为电梯运行一圈的平均载客数，L5为5分钟能耗评价指标

电梯群控系统的能耗越少，其服务成本就越低。电梯的运行距离与能耗有着密切的联系，但在很多情况下能耗评价函数并未被列入考虑中。在不同的交通模式下，对系统的要求也不同。能耗评价指标可由以下两个量决定：

1、总运行距离Di

DiDi

i1Ne(2.7)

式中，D(i)为第i台电梯的总运行距离，Ne为群控系统的电梯数目。

2、总能耗AE

AEEi(2.8)

i1Ne

式中，E(i)为第i台电梯的总能耗。

2.3.3乘客状态评价指标

单位时间(2.9)

试中，总运行时间TTR的单位为秒（s）

2、基于距离的运载率

第10页共40页

清华大学2012届毕业论文

d

L5Dt/Df

（2.10）

式中，ηd为单位楼层下5分钟乘客的容忍度

电梯群控系统存在很多不确定因素，因此电梯系统与其他交通工具相比，在行程安排上有很大差别。当一台电梯被指派去响应一个厅层召唤时，该乘客到达目的层站的时间可以由当前的交通状况预测出来，但在接下来的时间里可能有其他乘客加入到交通流中，那么原来的派梯结果经常会导致原乘客的到达时间被拖延。对乘客来说，确切的服务时间可以理解为从到达电梯系统起直到离开电梯止。因此，服务时间的不确定性是存在于系统中的，并且其出现概率非常高。对电梯群控系统来说，响应时间延迟的减少说明该派梯策略能有效地避免不确定因素，这有利于提高效率降低能耗。与乘客容忍度有关的指标定义如下：

1、平均候梯延迟时间τ

aw

aw

1N

p

N

p

TiTi

w

w0

i1

（2.12）

式中，Tw0为第i个乘客最短候梯时间的预测值,Np为电梯系统的总乘客数，Tw(i)为第i个乘客的实际候梯时间。

2、平均乘梯延迟时间τ

aj

aj

1N

p

TiTi

j

j0

i1

N

p

（2.13）

式中，Tj0(i)为第i个乘客最短乘梯时间的预测值。3、平均到达延迟时间τ

aa

aaawaj

(2.14）

2.4电梯群控系统的特征值

在电梯群控系统的控制中，需要综合考虑影响派梯的多种因素。电梯系统的输

第11页共40页

清华大学2012届毕业论文

入信号和状态信号很多，可以将这些信号进行分析并计算处理，提取出能反映电梯群控系统特征的一些量作为特征值，用于对梯群进行调度。特征值的提取要尽可能完整地包括系统的各种信息，以使派梯结果趋于合理并能提高系统效率。下面介绍几种电梯群控系统的主要特征值[9]。

1、距离特征值

距离特征值包括响应距离和乘梯距离。

（1）响应距离：从电梯的当前位置到厅层召唤所在层将要经过的楼层数；

（2）乘梯距离：从候梯乘客进入电梯起到电梯到达对应目的层将要经过的楼层数。

距离特征值与系统派梯后的服务时间和能耗有很大关系，因此一直以来人们将距离特征值作为派梯时的主要考虑因素。但与时间特征值和能耗特征值相比，距离特征值对派梯结果的可靠程度和准确程度都偏低。

2、时间特征值

时间特征值包括：

（1）乘客候梯时间的估计值；

（2）乘客乘梯时间的估计值；

（3）有新呼梯信号产生时，电梯群控系统平均候梯时间的估计值；

（4）有新呼梯信号产生时，电梯群控系统平均乘梯时间的估计值。

派梯时考虑特征值（1）和（2）有利于提高对某个乘客的服务质量，而不考虑整个系统的平均性能。特征值（3）和（4）仅考虑系统的整体性能，如果平均候梯时间和平均乘梯时间的估计值较小，则派梯后系统的实际运行时间值也较小。

3、能耗特征值

能耗特征值包括响应能耗和额外能耗。

（1）响应能耗：电梯从接到派梯任务起到响应该呼梯的过程中需要消耗的能源：

（2）额外能耗：电梯在执行某一派梯任务过程中，要响应新加入的厅层召唤需要额外消耗的能源。

如果派梯时能使额外能耗减小，那么总能耗就会降低。能耗特征值要比距离特征值对派梯结果的准确程度高。

第12页共40页

清华大学2012届毕业论文

4、停站次数特征值

停站次数特征值包括响应过程停站次数和额外停站次数。

（1）响应过程停站次数：电梯在响应某厅层召唤过程中需要停站的次数；

（2）额外停站次数：电梯在执行某一派梯任务过程中，要响应新加入的厅层

召唤所需要的额外停站次数。

停站次数在很大程度上影响到时间特征值和能耗特征值，但停站次数少并不能说明电梯的运行时间也相应减少，还需要考虑到电梯的当前位置和交通状况的分布。在电梯群控系统的服务过程中，停站次数直接影响到乘客的心理，如果停站次数很多，乘客会变得不耐烦并有不舒适感。由于能耗特征值和时间特征值不易提取，停站次数特征值通常被用来近似地衡量电梯系统的服务时间和能耗。

5、梯本章小结

本章分析了电梯群控系统的特征、得出了该系统所具有的多目标性、非线性、不确定性、扰动性和信息的不完备性，研究了电梯群控系统的各种交通模式以及主要的性能评价指标，说明电梯群控系统是一个非常复杂的控制系统，为进一步的研究打下基础。

3粒子群优化算法

1995年，Kennedy和Eberhart[10]等人，在研究人工生命结果的影响下，提出了粒子群优化算法（ParticleSwarmOptimization，PSO）。该算法是在对鸟群和鱼群捕食这一行为模拟的基础上，得到的一种简化了的社会模型。由于PSO算

第13页共40页

清华大学2012届毕业论文

法概念简单，容易实现，在被提出的短短几年时间算法的严格数学基础就逐步建立起来了。本章是在先介绍基本粒子群算法的基础上，又介绍了如何将PSO算法应用到多目标优化的领域。

3.1基本粒子群算法概述

PSO算法是一种基于群体的新兴演化算法。设想有这样一个场景一群鸟在随机搜索食物不知道食物放在何处，在整个搜索区域中只有一块食物。所有的鸟都不知食物在何处，但它们知道自己当前的位置距离食物还有多远。那么找到食物的最优策略是什么呢？最简单有效的方法就是在目前离食物最近的鸟的周围区域搜寻。

粒子群优化算法是在鸟群觅食模型中得到启示，并成功用于解决优化问题的。在该算法中，搜索空间中的每一只鸟被看作是优化问题中的每一个解，称之为“粒子”（particle）或“主体”（agent），该粒子能通过超维搜索空间“流动”。每个粒子都有自己的位置和速度，还有一适应值被优化函数所决定，能知道到目前为止发现的最好位置（pbest）和现在的位置Xi，可看作单个粒子的经验。每个粒子在

搜索空间中的位置变化是以个体的社会心理意向为基础的，即每一粒子个体都想成功地超过其他个体。每个粒子的经验或知识影响都会影响其相邻粒子的变化。另外，到目前为止整个群体中所有粒子发现的最好位置（gbest）也能被每个粒子所知道（gbest是在pbest中的最优值），可看作是单个粒子的同伴经验。每个粒子的当前位置由下列信息所决定:

1．当前位置；

2．当前速度；

3．当前位置与自己最好位置之间的距离；

4．当前位置与群体最好位置之间的距离。

作为群优化的粒子群算法的粒子群可认为是粒子在D维空间共40页

清华大学2012届毕业论文

息。粒子群就是由群体最优位置快速收敛形成的，并能在全局极值的邻域中进行搜索；个体自身经验最优位置能保证粒子不要过快收敛到群最优，从而避免陷入局部极小点，这样能使粒在一次迭代中的搜索区域在个体极值和全局极值之间。群体间粒子的合作，使得粒子群算法具有高效的搜索性能。每个粒子不仅能向群体提供信息还能协助其它粒子进行搜索，所以粒子在进化过程中，能保证搜索和收敛的平衡。

3.2基本PSO算法原理

粒子群优化算法PSO主要是通过每个粒子当前的状和在飞行过程中所经历过的最好位置，以及整个群体所经历过的最好位置来计算粒子下一步运动的方向和速度[11]和位置的更新公式如下：

Vidwvidc1r1pidxidc2r2pgdxid（3.1）

Xidxidvid,1iM,1dD（3.2）

式（3.1）、(3.2)中：d=1,2,„,D,D代表第d维搜索空间；

i=1,2,„,m,m是该群体中粒子总数；

Vid为迭代粒子i飞行速度矢量的第d维分量；

Pid为粒子i个体最好位置plest的第d维分量；

Pgd为群体最好位置gbest的第d维分量；

C1、C2为权重因子；

r1、r2为随机数，产生[0,1]的随机数；

W为惯性权重函数。

通过（3.1）式可以看出，粒子i速度的更新主要由三部分组成：

1、粒子i前一时刻的速度；

2、粒子i当前位置与自己最好位置间的距离；

3、粒子i当前位置与群体最好位置间的距离。

（3.2）式为粒子i更新位置的坐标。粒子i下一步的运动位置由式（3.1）,（3.2）共同决定。搜索时，粒子的位置被最大位置和最小位置限制，如果某粒子在某维的位置超出该维的最大位置或最小位置，则该粒子的位置被限制为该维的最

第15页共40页

清华大学2012届毕业论文

大位置或最小位置。同样，粒子的速度也被最大速度和最小速度所限制，如果当前对粒子的加速度导致它在某维的速度超过该维的最大速度或最小速度，则该粒子该维的速度被限制为该维的最大速度或最小速度。

公式（3.1）的第1部分由粒子先前速度的惯性引起；第2部分表示粒子本身的思考，即粒子本身的信息对自己下一步行为的影响；第3部分表示粒子间的信息共享和相互合作，即群体信息对粒子下一步行为的影响。

3.3基本PS0算法流程

粒子群优化算法具有编程简单，易实现的特点，粒子群优化算法的流程[12]如下所示。

图3.1粒子群优化算法流程图

第16页共40页

清华大学2012届毕业论文

下面给出其实现的具体步骤：

1、初始化群体参数；

2、以目标函数来评价各粒子的初始适应值；

3、根据式（3.1）、（3.2）来更新粒子的位置和速度；

4、再根据目标函数重新评价各粒子的适应值；

5、比较每个粒的当前适应值和个体历史最好适应值，把最优的的位置做为其个体历史最好位置；

6、比较群体中全部粒子的当前适应值和全局历史最好适应值，把最优的的位置做为群体全局历史最好位置；

7、若迭代终止条件满足，则程序终止，输出搜索结果。否则，返回步骤2继续搜索,进行新一轮迭代。

3.4基本PSO算法参数分析

基本PSO的参数主要有惯性权值、加速系数、粒子个数和迭代次数[13]。

1、惯性权值w

对PSO能否收敛起重要作用，它使粒子保持运动惯性，使其有扩展搜索空间的趋势，有能力探索新的区域。w值大些有利于全局搜索，收敛速度快，但不利于局部搜索，不易得到精确解；w值小些有利于局部搜索和得到更为精确的解，但收敛速度慢且有时会陷入局部极值而得不到全局最优解[14]。合适的w值在搜索精度和搜索速度、全局搜索和局部搜索方面起协调作用。

2、加速系数c1,c2

加速系数c1和c2对PSO能否收敛也起重要作用，若加速系数合适，则有利于

算法较快收敛并脱离局部极值。式（3.2）中，若c1=c2=0，粒子将依靠惯性一直

以当前的速度飞行，直到达到边界为止；此时粒子仅仅依靠惯性飞行，没法从自己的飞行经验和同伴的飞行经验中吸取有用的信息，算法没有启发性，并且搜索区域有限，这种情况下要想找到最优解比较困难，此时的优化性能也很差。

当c1=0时粒子没有认知能力，不能从自己的飞行经验吸取有效信息，只有社

会部分，所以c2又称为社会参数；此时收敛速度比基本PSO快，但由于不能有

效利用自身飞行信息，对复杂问题优化时则比基本PSO容易陷入局部极值，优化性能也变差。

第17页共40页

清华大学2012届毕业论文

若c2=0，则粒子之间没有社会信息共享，不能从同伴的飞行经验中吸取有效

信息，此时只有认知部分，故c1又叫认知参数；此时个体间没有互享的信息，这

样粒子群体的运行相当与单个粒子的运行，要想得到全局最优解，机率非常小。一般情况下，当c1=c2=0.2时能取得比较好的效果，也有人认为c1大些而社会参数c2小些，但c1+c2≤4时能得到更好的结果。

3、粒子数目

粒子数目对算法的优化性能有影响。一般来说，粒子数目越多，搜索到全局最优解的可能性也越大，优化性能相对也越好，但是消耗的计算量也越大，计算性能相对下降；群体规模越小，搜索到全局最优解的可能性就越小，但消耗的计算量也越小。当然，对于一般问题，使用过多的粒子数目没有必要，但是粒子数目也不能过少，否则体现不出群智能算法的优越性。一般地，粒子数目为10～200较为合适。

4、最大允许迭代次数

当惯性权值[15]为固定值和最大允许迭代次数不相关联时，最大允许迭代次数大些，找到全局最优解的可能性也大些，最大允许迭代次数小了，找到全局最优解的可能性也小。只是对于基本PSO来说，一旦陷入了局部极值，如果不采用有效措施，迭代次数再增多优化效果也得不到明显改善，反而浪费计算资源，实际意义不大。一般来说，如果优化时还有其他条件来结束搜索，可以考虑将最大允许迭代次数设置得大些。当惯性权值和最大允许迭代次数相关联时，即惯性权值随着迭代的进行逐渐衰减，此时并不是最大允许迭代次数越大越好，这时候过大的最大允许迭代次数反而会使得算法有很长一段时期以较大的惯性权值来搜索，如果不对粒子速度进行限制，粒子很可能会飞行到无穷远处，从而得不到全局最好解。所以，当惯性权值和最大允许迭代次数相关联时，应结合实际情况合理选择最大允许迭代次数。

4基于粒子群算法的电梯群控系统实现

提高对乘客的服务质量和降低系统运行的总损耗是电梯群控系统的主要目的。

第18页共40页

清华大学2012届毕业论文

多目标优化模型，并在此基础上设计了满足多目标要求的电梯群控系统调度算法[16]及其应用程序。

4.1多目标电梯群控系统的数学模型

电梯群控系统的主要目标是缩短乘客平均候梯时间AWT和平均乘梯时间ART，降低电梯运行能耗RPC。

AWT为一定时间为候梯时间。

w

当新的呼梯信号发生时，根据呼叫发生的楼层Fc及方向Dc与电梯当前所在楼层F0和方向D0，可计算电梯到达新的呼梯信号所需的时间，即候梯时间[17]。设电梯运行一层的时间为K1，停靠一层的时间为K2，电梯需响应的停靠任务为m，电梯同向到达的最远楼层为Fmax，电梯反向到达的最远楼层为Fmin。

(1)当Dc与D0相同，且Fc在F0前方时，电梯可同向到达呼梯信号

TwiFcF0K1mK2

4.2

(2)当Dc与D0相同，且Fc在F0后方时，电梯反向运行再同向到达呼梯信号：

TwiFmaxF0FmaxFmiFcFmiK1mK2

4.3

(3)当Dc与D0相反时，电梯反向运行后到达呼梯信号：

TwiFmaxF0FmaxFcK1mK2

4.4

(4)当Dc与D0相同，且Fc=F0时，Tw（i)=0。

ART为一段时间共40页

清华大学2012届毕业论文

文中假设乘客的目的层为最远层，则乘梯时间计算式为：

TriFmaxF0K1mK24.6

AE为电梯群控系统中的总运行能耗。电梯的能耗主要由加、减速过程中及停靠次数所决定的[19]，所以，要想降低系统能耗，必须想办法减少电梯的起停次数和加、减速距离。通常，电梯一次加、减速的距离高于的楼层的高度，所以，在其它条件允许的情况下，应当尽量由同一电梯服务于来自或去向同一楼层或相邻楼层的厅层或轿箱召唤。与此同时，还应尽量提高电梯的总体利用率，以降低电梯少载或空载运行的距离，这样电梯的起停次数也就相应减少了。计算公式如下：

AE4.7Ei

i1Ne

E(i)为第i台电梯的总能耗，由于电梯加、减速时的能耗要比电梯直线运行时的能耗要大得多，所以电梯的能量消耗主要取决于电梯的起停次数，在忽略其他系统能耗情况下，可认为单部电梯的能耗计算式为：

Eim4.8

电梯群控调度算法是一个评价函数，综合以上三个评价标准，采用目标组合方法构成组合目标函数，可初步设定电梯的目标评价函数为：

Siw1AWTiw2ARTiw3AEi4.9

试中，S（i）为评价函数值，表示第i部电梯响应呼梯信号的可信度，w1、w2、w3依次是各评价值对应的权重系数[22]，且w1+w2+w3=1。针对wi的不同选择，体现了

在各种客交通模式状况下各目标因素的不同侧重。

但是上式只是一个理论目标评价函数，存在着目标评价函数的不统一问题，我们对三个目标函数进行标准化后，得到最终的评价函数如下：

S(i)w1AWT(i)max(AWT(i))w2ART(i)max(ART(i))w3AE(i)max(AE(i))4.10

最终，确定最优评价函数如下：

SjMinS1,S2,,Sn,SM4.11

其中，M为单梯个数，j为最佳的派遣单梯号。

由此，侯梯者的平均侯梯时间短、乘客的平均乘梯时间短和能量消耗少三个目

第20页共40页

清华大学2012届毕业论文

标问题转化成求解评价函数S(i)的最小值S(j)，由最小值得到的派遣电梯去响应外召信号，可使电梯群控系统性能达到最优。

4.2多目标粒子群算法在电梯群控中的设计

1、编码

2、电梯群控系统模型建立

对电梯当前运行状态使用数学模型±a表示,其中a代表电梯所在层数，±代表电梯当前运行方向，+为向上，-为向下。设某个电梯模型在采样瞬间运行状态如下：

表4.1给定电梯模型采样瞬间运行状态

设下一瞬间，收到呼梯响应Fc=[5,6,13,4,7,15,19],方向为

Dc=[1,-1,-1,1,1,-1,1]。对电梯模型进行多目标粒子群优化。

3、适应度计算

由于每个粒子X代表一种派梯方案，因此将粒子的位置坐标代入式（4.1）中，计算出平均候梯时间评价函数AWT的值。再根据式(4.5)、(4.7)计算平均乘梯时间评价函数ART和能量消耗评价函数RPC。再计算综合评价函数得出最优粒子。

4、筛选非劣解集

筛选非劣解集主要分为初始筛选非劣解集和更新非劣解集[23]。初始筛选非劣解集是指在粒子初始化后，当一个粒子不受其他粒子支配时，把粒子放入非劣解集中，

第21页共40页

清华大学2012届毕业论文

并且在粒子更新前从非劣解集中随机选择一个粒子作为群体最优粒子。更新非劣解集是指当新粒子不受其他粒子以及当前非劣解集中粒子的支配时，把新粒子放入非劣解集中，并且每次粒子更新前都从非劣解集中随机选择一个粒子作为群体最优粒子。

5、粒子速度和位置更新

粒子更新公式如下：

Vk1Vkc1r1PidX

k1kkcrP22k1kgdXk4.12XXkV4.13

其中，ω为惯性权重；r1和r2分布于[0，1]区间的随机数；k是当前迭代次数；Pidk为个体最优粒子位置；Pgdk为全体最优粒子位置；c1和c2为常数；V为粒子速度；X为粒子位置。

6、算法流程

基于多目标粒子群算法的算法流程如下：

（1）群体初始化，给定多目标粒子群算法的控制参数、群体规模、迭代次数并输入待优化的参数。

（2）根据多目标电梯模型计算每个粒子所代表派梯方案的3个目标值。

（3）根据Pareto最优概念[24]更新每个粒子的个体最优值。

（4）更新外部集，体的非支配集按占支配关系插入外部集(外部集保存的是算法每代运行的最好结果。在算法迭代运算完成后，外部集中的所有粒子就是算法最后得到的结果)。更新全局极值，利用拥挤机制和禁忌算法在外部集中随机选择l粒子作为粒子i的全局极值。

（5）根据公式(4.12)、(4.13)更新每个粒子的速度和位置。

（6）判断最大迭代次数[25]是否达到。若达到，则输出；否则，转到(2)直至满足终止条件退出。

4.3适应度计算

1、建立初始化派梯方案，即随机生成粒子

第22页共40页

清华大学2012届毕业论文

123432241324X

211421

2、计算各粒子的适应度值，即各种派梯方案的评价函数

（假设在随机层间交通模式即取w1=0.5,w2=0.2,w3=0.3时）

电梯停靠次数m为梯（4.14）

k1

乘梯时间预测值：

RTi,jFmaxF0nk1mk2（4.15）

计算平均乘梯时间：

ARTi1

NNj1RTi,j(4.16)

能耗预测值：

Ei,jmwmr(4.17)

计算平均能耗：

AEi1

NNEi,k(4.18)

k1

第23页共40页

清华大学2012届毕业论文

图4.2计算候梯时间WT（i）流程图

第24页共40页

清华大学2012届毕业论文

从以上计算结果中找出max(AWT(i,j)),max(ART(i,j)),max(AE(i,j))计算适应度值S（i)：

S(i)w1AWT(i)max(AWT(i))w2ART(i)max(ART(i))w3AE(i)max(AE(i))4.19利用公式（4.12）（4.13）对粒子进行修正，与原最优粒子进行比较，更新。

4.4程序实现

4.4.1粒子群优化算法主程序

%清空环境

clear

clc

%------电梯参数初始化-----------

NUMBER1=4;%电梯台数

FLOUR=16;%大楼层数

Qmax=15;%轿厢容量

TimeRun=2;%电梯匀速运行一层所需时间

TimeStop=6;%电梯开关门及停靠时间和

%设在随机层间交通模式下的权重设置

weight1=0.5;weight2=0.2;weight3=0.3;

%------电梯状态初始化------------

FO=[38136]’;%各电梯当前所在层

DO=[1-1-11]’;%各电梯当前运行方向

Q1=2;Q2=7;Q3=5;Q4=9;%各电梯当前人数

QN=[Q1Q2Q3Q4]’;

第25页共40页

清华大学2012届毕业论文

%%电梯1%电梯1%呼梯信号个数

FC=[561347159]’;%呼梯信号所在层DC=[1-1-111-11]’;%呼梯信号方向%---------粒子群初始化--------------%参数设置

c1=2;%加速常数

c2=2;%加速常数

Dim=NUMBER2;%维数

SwarmSize=400;%粒子群规模

MaxIter=35;%最大迭代次数

Vmax=3;

Vmin=-3;

Ub=4*ones(1,Dim);%粒子群位置上限

第26页共40页

清华大学2012届毕业论文

Lb=ones(1,Dim);%粒子群位置下限

wmax=0.8;%惯性权重

wmin=0.1;

%-------粒子群初始化--------------

Swarm=randint(SwarmSize,Dim,[1,NUMBER1]);%初始化粒子群VStep=randint(SwarmSize,Dim,[-3,3]);%初始化速度

fSwarm=zeros(SwarmSize,1);%初始化粒子群适应度值

fori=1:SwarmSize

[averageWT,averageRT,averageE]=diantiqunkong_PSO_fitness2(Swarm(i,:),FO,DO,FC,DC,NUMBER2,TimeRun,TimeStop);

AWT(i)=averageWT;%第i个粒子群的平均候梯时间

ART(i)=averageRT;%第i个粒子群的平均乘梯时间

AE(i)=averageE;%第i个粒子群的平均能量损耗

end

%计算粒子的适应度值

fori=1:SwarmSize

fSwarm(i,:)=weight1*(AWT(i)/max(AWT))+weight2*(ART(i)/max(ART))+weight3*(AE(i)/max(AE));

end

%个体极值和群体极值

[bestf,bestindex]=min(fSwarm);

zbest=Swarm(bestindex,:);

gbest=Swarm;

fgbest=fSwarm;

fzbest=bestf;

第27页共40页

清华大学2012届毕业论文

[averageWT,averageRT,averageE]=diantiqunkong_PSO_fitness2(zbest,FO,DO,FC,DC,NUMBER2,TimeRun,TimeStop);

y_fitness=fzbest;

AVERAGEwaittime=[averageWT];

AVERAGEruntime=[averageRT];

AVERAGEenergy=[averageE];

%迭代寻优

iter=0;

while(iter<MaxIter)

forj=1:SwarmSize

%速度更新

w=wmax-(wmax-wmin)/MaxIter*iter;

VStep(j,:)=w*VStep(j,:)+c1*rand*(gbest(j,:)-Swarm(j,:))+c2*rand*(zbest-Swarm(j,:));

ifVStep(j,:)>Vmax,VStep(j,:)=Vmax;end

ifVStep(j,:)<Vmin,VStep(j,:)=Vmin;end

%位置更新

Swarm(j,:)=Swarm(j,:)+VStep(j,:);

fork=1:Dim

ifSwarm(j,k)>Ub(k),Swarm(j,k)=Ub(k);endifSwarm(j,k)<Lb(k),Swarm(j,k)=Lb(k);endend

Swarm=round(Swarm);

end

forj=1:SwarmSize

[averageWT,averageRT,averageE]=diantiqunkong_PSO_fitness2(Swarm(j,:),FO,DO,FC,DC,NUMBER2,TimeRun,TimeStop);

AWT(j)=averageWT;%第i个粒子群的平均候梯时间

第28页共40页

清华大学2012届毕业论文

ART(j)=averageRT;%第i个粒子群的平均乘梯时间AE(j)=averageE;%第i个粒子群的平均能量损耗

end

%计算粒子的适应度值

forj=1:SwarmSize

fSwarm(j,:)=weight1*(AWT(j)/max(AWT))+weight2*(ART(j)/max(ART))+weight3*(AE(j)/max(AE));

end

%个体最优更新

forj=1:SwarmSize

iffSwarm(j)<fgbest(j)

gbest(j,:)=Swarm(j,:);

fgbest(j)=fSwarm(j);

end

end

%群体最优更新

[bestf,bestindex]=min(fSwarm);

ifbestf<fzbest

zbest=Swarm(bestindex,:);

fzbest=bestf;

end

[averageWT,averageRT,averageE]=diantiqunkong_PSO_fitness2(zbest,FO,DO,FC,DC,NUMBER2,TimeRun,TimeStop);

iter=iter+1;

y_fitness=[y_fitnessfzbest];

AVERAGEwaittime=[AVERAGEwaittime,averageWT];

AVERAGEruntime=[AVERAGEruntime,averageRT];

AVERAGEenergy=[AVERAGEenergy,averageE];

第29页共40页

清华大学2012届毕业论文

end

disp(‘最优派梯方案’)

zbest

disp(‘最优适应度值’)

fzbest

%绘图输出

figure(1)

plot(y_fitness,’LineWidth’,2)

title(‘最优个体适应值‘,’fontsize’,12);

xlabel(‘迭代次数’,’fontsize’,12);ylabel(‘适应值

‘,’fontsize’,12);

set(gca,’fontsize’,12);

figure(2)

plot(AVERAGEwaittime,’-*b’)

holdon;

plot(AVERAGEruntime,’-*g’)

plot(AVERAGEenergy,’-*r’)

title(‘AVERAGEwaittime¡¢AVERAGEruntime¡¢AVERAGEenergy优化曲线’,’fontsize’,8);

xlabel(‘迭代次数’,’fontsize’,8);ylabel(‘参数值

‘,’fontsize’,8);

set(gca,’fontsize’,8);

legend(‘AVERAGEwaittime’,’AVERAGEruntime’,’AVERAGEenergy’,1);

4.4.2计算适应度程序

%计算电梯调度方案评价函数程序

function

[averageWT,averageRT,averageE]=diantiqunkong_PSO_fitness2(X,FO,DO,FC,DC,NUMBER2,TimeRun,TimeStop)

第30页共40页

清华大学2012届毕业论文

fori=1:NUMBER2

n=X(i);%响应第i个呼梯信号的电梯序号fo=FO(n);%n号电梯当前所在层do=DO(n);%n号电梯当前运行方向

%第n号电梯已登记dc=DC(i);%第i个呼梯信号去往方向

%-------计算候梯时间---------%计算候梯时间时的类属情况

ifdc==do

ifdo==1

STATE=1;

else

STATE=4;

end

elseifdo==1

STATE=2;

else

第31页共40页

清华大学2012届毕业论文

STATE=3;

end

%根据不同情况计算候梯时间

switchSTATE

case{1}%同向上行

iffc==fo

WT(i)=0;

elseiffc>fo

iffc-fo==1

m11=0;

else

edge1=fo+1;

edge2=fc-1;

Nstop=histc(DJNH,[edge1,edge2]);

m11=Nstop(1)+Nstop(2);%梯end

m12=randint(1,1,[1,fc-fo-1]);%上升过程中随机停靠次数

m12=round(m12/2);

mw=m11+m12;

WT(i)=abs(fc-fo)*TimeRun+mw*TimeStop;else

FMAX=16;%上行可达最远端

FMIN=1;%下行可达最远端

edge1=fo+1;

edge2=FMAX;

Nstop=histc(DJNH,[edge1,edge2]);

m11=Nstop(1)+Nstop(2);%梯共40页

清华大学2012届毕业论文

WT(i)=(abs(FMAX-fo)+abs(FMAX-FMIN)+abs(fc-FMIN))*TimeRun+mw*TimeStop;

end

case{4}%同向下行

iffc==fo

WT(i)=0;

elseiffc>fo

FMAX=1;%下行可达最远端

FMIN=16;%上行可达最远端

edge1=FMAX;

edge2=fo-1;

Nstop=histc(DJNH,[-edge2,-edge1]);

m11=Nstop(1)+Nstop(2);%梯m11=Nstop(1)+Nstop(2);%梯end

m12=randint(1,1,[1,fo-fc-1]);

m12=round(m12/2);

mw=m11+m12;

WT(i)=abs(fc-fo)*TimeRun+mw*TimeStop;end

第33页共40页

清华大学2012届毕业论文

case{2}%异向电梯上行

iffc==fo

WT(i)=0;

elseiffc>fo|fc<fo

FMAX=16;%上行可达最远端

Nstop=histc(DJNH,[fo+1,FMAX]);

m11=Nstop(1)+Nstop(2);%梯m12=round(m12/2);

mw=m11+m12;

WT(i)=(abs(FMAX-fo)+abs(FMAX-fc))*TimeRun+mw*TimeStop;

end

case{3}%异向电梯下行

iffc==fo

WT(i)=0;

elseiffc>fo|fc<fo

FMAX=1;%下行可达最远端

edge1=fo-1;

edge2=FMAX;

Nstop=histc(DJNH,[-edge1,-edge2]);

m11=Nstop(1)+Nstop(2);%梯m12=randint(1,1,[1,(fo-1)-m11+(fc-2)]);m12=round(m12/2);

mw=m11+m12;

WT(i)=(abs(FMAX-fo)+abs(FMAX-fc))*TimeRun+mw*TimeStop;

end

end

%-------计算乘梯时间---------

第34页共40页

清华大学2012届毕业论文

ifdo==1%电梯上行

FMAX=16;

edge1=fo+1;

edge2=FMAX;

Nstop=histc(DJNH,[edge1,edge2]);

m21=Nstop(1)+Nstop(2);%梯%电梯下行

FMAX=1;

edge1=fo-1;

edge2=FMAX;

Nstop=histc(DJNH,[-edge1,-edge2]);

m21=Nstop(1)+Nstop(2);%梯%此分配方案的平均候梯时间averageRT=sum(RT)/NUMBER2;%此分配方案的平均乘梯时间averageE=sum(E)/NUMBER2;%此分配时间的平均能耗消耗

4.4.3仿真结果

第35页共40页

清华大学2012届毕业论文

图4.4电梯调度方案评价函数优化曲线

图4.3最优个体适应度值

第36页共40页

清华大学2012届毕业论文

最优派体方案：

Zbest=1231414

最优适应度值：

Fbest=0.2933

5总结与展望

总结全文，本论文的主要研究共40页

清华大学2012届毕业论文

参考文献

[1]梁正峰，王磊．一种基于多规则加权的群控电梯模糊控制算法[J]，电气传动自动化，2005，27(4)：14-17．

[2]梁延东．电梯控制技术．北京：中国建筑工业出版社，1997．

[3]杨祯山，邵诚．电梯群控技术的现状与发展方向叨．控制与决策．2005，20(12)：1321．1331．

[4]HitoshiAo