未来智库 > 神经网络论文 > 基于神经网络的电梯调度重规划

基于神经网络的电梯调度重规划

发布时间:2018-06-04 01:06:00 文章来源:未来智库    
    关键词:电梯调度 动态规划 神经网络
    中图分类号:TU857 文献标识码:A 文章编号:1007-9416(2016)07-0063-02
    为了扩大城市的使用空间,城市高层建筑越来越多的。为了给各楼层之间提供运输服务,电梯系统作为主要的服务设施出现。电梯群控系统[1](EGCS)负责控制电梯,并为乘客提供方便舒适的服务。每一次有新的请求时,EGCS应该评估可选的各个方案,然后选择最合适的方案来提供服务。用来做决策的算法和评价标准对EGCS的有效性非常重要。
    EGCS的核心是调度算法,它直接影响了电梯运行效率的高低和服务质量的优劣。目前已经存在多种电梯调度方法,如:最小等待时间算法、基于专家系统的电梯调度算法、基于模糊控制的电梯调度算法、基于神经网络的电梯调度算法。神经网络算法可以进行大规模并行处理、分布式信息存储,并且拥有良好的自组织能力与自学习能力。基于神经网络算法,建立EGCS的目标评价函数,将模糊规则映射到神经网络[2],通过调整影响EGCS性能的各因素的权重系数,进行EFCS的优化,有利于提高电梯服务质量,使EGCS在不同客流量情况下实现合理调度。
    1 EGCS评价函数
    基于减少乘客的平均等候时间(AWT)和电梯的平均载客时间(ATP)、减少电梯运行能耗和优化用户体验的多目标,建立评价函数:
    (1)
    F为各因素的综合评价值,f1(wt)、f2(tp)、f3(en)、f4(cr)分别为平均等候时间、平均载客时间、电梯耗能、服务质量的评价函数。ω1、ω2、ω3、ω4为对应函数的权值,它们的和为1。通过调节各函数的权值,调整不同交通模式下各目标所占比重。
    1.1 等候时间WT
    有新的呼梯请求产生时,根据发出呼叫的楼层LC和呼叫请求方向FC与电梯当前所在楼层L0和运行方向F0,可计算出电梯到达新的呼梯请求所在楼层的时间。设电梯行驶一层耗时T1s,停靠一层耗时T2s,待响应的楼层数为b,与电梯同向的最远目标层为LMAX,电梯反向的最远目标层为LMIN。
    当FC与F0相同,且FC在F0运行方向上时,电梯不变向到达呼叫请求所在楼层: (2)
    当FC=F0且LC不在L0运行方向上时,电梯运行至同向最远楼层后Lmax,反向运行,再到达呼叫请求发出楼层:
    (3)
    当FC≠F0电梯到达初始方向最远楼层后,再到达呼叫请求发出楼层
    (4)
    等候时间短的隶属度函数:
    (5)
    乘客等候时间的心理容忍度一般为60s[3],所以WT应当尽量保持在60s以内。
    1.2 载客时间
    有新的呼梯请求产生时,乘客的目的楼层未知,仅能判断乘客的目标方向,假设乘客的目的楼层为最远楼层Lmax,则载客时间为:
    (6)
    载客时间短的隶属度函数:
    (7)
    1.3 电梯能耗
    由于电梯运行的能量消耗主要由加速、减速产生,电梯匀速运行时的能耗相对于加速减速的能耗非常小,所以电梯的能量消耗的多少主要由电梯的启停次数的多少决定: (8)
    能耗小的隶属度函数:
    (9)
    1.4 电梯拥挤程度
    电梯拥挤度取决于电梯内乘客人数,根据电梯内的压力传感器可估算出梯内乘客人数,定义电梯拥挤度小的隶属度函数为: (10)
    2 变量的模糊化
    将(wt)、 (tp)、 (en)、 (cr)的值进行模糊化,创建三角形隶属函数[4]。
    3 模糊神经网络
    将模糊规则映射到神经网络中,建立5层向前神经网络结构,通过传递函数,进行输入到输出的变换,实现模糊推理。运用神经网络的学习功能确定1,2,3,4的值,分别计算各电梯的综合评价值F,选择F最小大的电梯响应请求。
    采用向前型多层模糊神经网络结构如图1。
    第1层:输入层,输入值直接传递至下一层作为第二层的输入变量,神经元数量m1与输入变量数量n相同。
    第2层:模糊化层,通过上一次的输入变量数量m1以及m1的模糊子集个数,可以确定该层神经元数量m2,设第i个输入变量的模糊子集个数为z,则,建立以下铃型高斯函数[5]: (11)
    第3层:规则层,每个神经元代表一条模糊逻辑规则,用来匹配模糊规则的条件。每个节点j的输出为该节点所有输出信号的乘积:
    (12)
    (13)
    第4层:综合层,神经元数量m4与输出变量的所有节点模糊子集数量相等:
    (14)
    I4K是与这一层第k个神经元相连的输入变量的个数。
    第5层:输出层,输出ω1,ω2,ω3,ω4相应的清晰值,该层的神经元数量为: (15)
    是第k个输入变量的第j个模糊子集隶属函数的权值,是第4层输出变量的模糊子集个数。
    是神经网络第i层的第k个输出函数。
    4 模糊RBF参数优化
    采用梯度下降法修正可调参数,定义目标函数:(16)
    和分别表示网络输出和实际输出:
    (17)
    输出层权值调整:
    (18)
    则输出层的权值学习算法为:
    (19)
    式中,为学习速率,为动量因子,,。
    (20)
    隶属函数参数调整: (21)
    式中, (22)
    隶属函数参数学习算法:
    (23)
    (24)
    5 仿真实验
    仿真环境参数:设定一栋15层的高楼,从1层到第15层,内有3台电梯。每台电梯载重为1250kg。电梯行驶一层耗时1.5s,开门,上下乘客,关门平均总耗时为3s。
    如果电梯载客量达到1200Kg,则不回应呼叫请求,由第二台电梯响应请求。假定每位乘客平均体重60Kg。
    仿真环境下,将客流量分别设定为50人/5min,100人/5min,200人/5min,得到仿真结果数据如下表1所示。
    6 结语
    从实验结果来看,随客流量的递增,AWT无较大变化,ATP与EN都不是线性增加的,说明通过修改权值,达到了EGCS优化的目的。该EGCS适应多种客流交通状况,可以实现节能和优化用户体验等多目标。
    参考文献
    [1]毕晓亮,张亚刚等.电梯群控研究及仿真试验台开发[J].系统仿真学报,2003,15 (9):1245-1248.
    [2]张吉礼.模糊一神经网络控制原理与工程应用[M].哈尔滨:哈尔滨工业大学出版社,2004.
    [3]Shire H.New elevator group control method for up-peak periods[J].Int J of Systems Science,2003,34(4):309-317.
    [4]李士勇.模糊控制神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社,1996
    [5]张艳宁,焦李成.一种基于自适应高斯神经网络的舰船噪声分类方法[J],声学学报,1997,23(4):350-356.
转载请注明来源。原文地址:https://www.7428.cn/vipzj19220/
 与本篇相关的热门内容: