電梯群控系統(tǒng)研究綜述

電梯群控系統(tǒng)研究綜述

1電梯群控制策略第一個(gè)使用的乘用電塔出現(xiàn)在18世紀(jì)90年代末。1889年，otis在紐約成功安裝了直式升降。這是世界上第一個(gè)基于直覺動(dòng)機(jī)的發(fā)電電梯，誕生了真正的乘用電塔。電梯驅(qū)動(dòng)程序的發(fā)展經(jīng)歷了直流電機(jī)驅(qū)動(dòng)的控制、單速電機(jī)驅(qū)動(dòng)的控制、雙速電機(jī)驅(qū)動(dòng)的控制、直流電機(jī)無(wú)齒輪強(qiáng)制控制、交流壓力電壓監(jiān)控的控制、交流磁速監(jiān)測(cè)的控制、交流磁速監(jiān)測(cè)的控制和交流磁速監(jiān)測(cè)的控制。隨著第一個(gè)半自動(dòng)化電梯控制器在19世紀(jì)20年代的使用,原始的服務(wù)員執(zhí)守工作方式已減少為一個(gè)開關(guān)門的操作.直到1950年,由電力機(jī)械繼電器系統(tǒng)組成的全自動(dòng)電梯控制器的應(yīng)用取消了服務(wù)員執(zhí)守.到20世紀(jì)70年代,基于微處理器的電梯控制器得到廣泛應(yīng)用,使得更為復(fù)雜的調(diào)度算法的實(shí)施成為可能,由此產(chǎn)生了電梯群控的概念.電梯操縱控制方式經(jīng)歷了手柄開關(guān)操縱、按鈕控制、信號(hào)控制、集選控制等過程,對(duì)于多臺(tái)電梯則出現(xiàn)了并聯(lián)控制、智能群控等.隨著智能控制技術(shù)在電梯群控系統(tǒng)中的廣泛應(yīng)用,電梯交通系統(tǒng)和其他設(shè)施融為一體,智能建筑的整體功能得以充分發(fā)揮.對(duì)高層及超高層建筑電梯交通系統(tǒng)的研究表明:電梯交通系統(tǒng)設(shè)計(jì)的關(guān)鍵是滿足乘客生理上和心理上的承受力.有效地解決高層建筑復(fù)雜的樓內(nèi)垂直交通,尋求優(yōu)化的控制策略,優(yōu)化調(diào)度多部電梯以提高電梯的運(yùn)行效率和服務(wù)質(zhì)量,成為許多學(xué)者研究的重要課題.2電梯群控技術(shù)的發(fā)展歷程第1階段是1949年～1971年.1971年以前,是電梯群控技術(shù)的初級(jí)階段,采用的是繼電器時(shí)序控制和預(yù)選分區(qū)控制,轎廂指派方式為區(qū)間指派方式.這種方式可適當(dāng)解決高峰期間梯群中的各個(gè)轎廂沿井道的均布問題.缺點(diǎn)是:轎廂花費(fèi)太多的時(shí)間在端站候梯指派,且轎廂在候梯指派時(shí)通常處于閑置狀態(tài),同時(shí)轎廂頻繁地在端站樓層無(wú)目的地運(yùn)行也不利于節(jié)能.由Otis研制的繼電器群控系統(tǒng),于1949年安裝于紐約聯(lián)合國(guó)大廈.第2階段是1971年～1975年.硬件采用了集成電路.可以進(jìn)行較為復(fù)雜的邏輯計(jì)算.這一時(shí)期采用的調(diào)度方式是針對(duì)每一個(gè)具體的呼梯信號(hào)指派電梯,當(dāng)一個(gè)層站呼叫注冊(cè)后,系統(tǒng)根據(jù)交通情況和各轎廂的狀態(tài),選擇合適的電梯為這個(gè)層站呼叫提供服務(wù),控制方式是候梯時(shí)間控制.這個(gè)階段主要是應(yīng)用數(shù)理統(tǒng)計(jì)的方法研究電梯群控系統(tǒng)的統(tǒng)計(jì)特性,這是電梯群智能控制的重要基礎(chǔ).第3階段是1975年～1988年.計(jì)算機(jī)應(yīng)用于電梯群控標(biāo)志著現(xiàn)代電梯群控階段的開始.著重研究電梯群控系統(tǒng)的動(dòng)態(tài)特性,控制方式主要是最小候梯時(shí)間控制和綜合評(píng)價(jià)函數(shù)控制.在第2階段的呼梯-分配系統(tǒng)中增加了綜合評(píng)價(jià)系統(tǒng),采用了包括候梯時(shí)間、長(zhǎng)候梯率及預(yù)測(cè)誤差率在內(nèi)的多因素作為評(píng)價(jià)指標(biāo),改變了系統(tǒng)對(duì)于時(shí)變的交通量適應(yīng)性差的缺點(diǎn).從1988年至今,是電梯群控技術(shù)的快速發(fā)展階段,具有代表性的是三菱公司于1989年開發(fā)的AI-2100系統(tǒng).標(biāo)志是基于計(jì)算機(jī)及其網(wǎng)絡(luò)的人工智能技術(shù)的應(yīng)用,即:專家系統(tǒng)技術(shù)、模糊邏輯技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、模糊神經(jīng)網(wǎng)絡(luò)技術(shù)、進(jìn)化算法(如遺傳算法、免疫算法)等技術(shù)的應(yīng)用.國(guó)內(nèi)外一些大學(xué)及研究機(jī)構(gòu)紛紛加入電梯群控技術(shù)的研究領(lǐng)域,我國(guó)電梯群控技術(shù)文獻(xiàn)最早見于1990年.3電梯群的調(diào)度問題電梯群控系統(tǒng)(ECGS)是指將安裝在建筑物內(nèi)的3臺(tái)或3臺(tái)以上的一組電梯作為一個(gè)有機(jī)整體,使用一個(gè)自動(dòng)控制系統(tǒng)調(diào)度每一臺(tái)電梯的運(yùn)行,目的是提高垂直交通系統(tǒng)的運(yùn)行效率,以較短的候梯時(shí)間和運(yùn)行時(shí)間為乘客提供服務(wù),以提高對(duì)乘客的服務(wù)質(zhì)量,并減少能耗.傳統(tǒng)的群控算法只有一個(gè)目標(biāo),即最小候梯時(shí)間.在現(xiàn)代高層建筑的一些特定交通模式下,不可能要求每一部電梯服務(wù)每一個(gè)樓層,因?yàn)檫@樣會(huì)使每一部轎廂在其運(yùn)行過程中停站數(shù)量大大增加,使電梯的運(yùn)行周期變長(zhǎng),系統(tǒng)總體性能將隨之變差.因此電梯群控技術(shù)的研究具有重要的現(xiàn)實(shí)意義.電梯服務(wù)過程可以描述為:在隨機(jī)的時(shí)間和樓層,乘客隨機(jī)地到達(dá)電梯前廳,發(fā)出上行或下行的層站呼叫,直到乘客進(jìn)入轎廂按下轎廂呼叫按鈕之前,其目的層是不確定的,而調(diào)度程序必須以一種基于全局系統(tǒng)優(yōu)化的方式,通過選擇轎廂運(yùn)動(dòng)方向,對(duì)所有指派給它的當(dāng)前方向上的層站呼叫提供服務(wù).電梯群的調(diào)度問題,實(shí)質(zhì)上是一個(gè)在變化環(huán)境下的在線調(diào)度、資源配置及隨機(jī)最優(yōu)控制的組合優(yōu)化問題,對(duì)該問題復(fù)雜性的研究表明,電梯群的調(diào)度問題屬于NP-hard問題.電梯指派發(fā)生時(shí),重要的性能指標(biāo)是乘客平均候梯時(shí)間、系統(tǒng)服務(wù)時(shí)間和系統(tǒng)響應(yīng)時(shí)間(見圖1).電梯調(diào)度的目標(biāo)是對(duì)群控系統(tǒng)時(shí)間序列性能指標(biāo)的優(yōu)化.但優(yōu)化上述任何一個(gè)指標(biāo)都非常困難,至少有3個(gè)原因:1)系統(tǒng)的狀態(tài)空間非常龐大.如果建筑物層數(shù)為N(≥2),服務(wù)的電梯數(shù)為M(≥1),則系統(tǒng)的最大狀態(tài)數(shù)為22(N-1)[(3N-2)·2N]M,最大調(diào)度方案數(shù)為M2N-2,易于產(chǎn)生組合爆炸.由于系統(tǒng)是以轎廂的位置、方向、速度、轎廂內(nèi)乘客數(shù)量、每個(gè)層站候梯的乘客數(shù)量等來描述的,因此,一個(gè)優(yōu)化的調(diào)度程序在決定對(duì)一個(gè)新到達(dá)的乘客提供服務(wù)時(shí),必須考慮所有這些信息.2)系統(tǒng)的動(dòng)態(tài)特性伴隨著許多的不確定性.當(dāng)一個(gè)轎廂的運(yùn)動(dòng)由其當(dāng)前的調(diào)度程序完全確定的同時(shí),調(diào)度程序經(jīng)常會(huì)發(fā)生變化,原因是這種到達(dá)過程是一個(gè)隨機(jī)過程.乘客到達(dá)事件包含4種類型的不確定性:到達(dá)時(shí)間、候梯人數(shù)、到達(dá)樓層和乘客的最終到達(dá)樓層.3)再指派策略的實(shí)施問題.如果調(diào)度程序允許撤銷先前的指派并且繼續(xù)重新給轎廂指派任務(wù),必須在短時(shí)間內(nèi)考慮一個(gè)變更的任務(wù)指派,該模式稱為再指派策略.其相反的模式是即時(shí)指派策略,即當(dāng)派遣程序已經(jīng)做出就不再考慮重新的任務(wù)指派.4電梯組網(wǎng)絡(luò)系統(tǒng)的組成和研究現(xiàn)狀4.1電梯群控系統(tǒng)設(shè)計(jì)電梯群控系統(tǒng)是典型的動(dòng)態(tài)離散事件系統(tǒng),系統(tǒng)的建模、分析、優(yōu)化都較為復(fù)雜.調(diào)度策略所面臨的問題是基于當(dāng)前的狀態(tài)和歷史數(shù)據(jù),找到一個(gè)派遣程序來決定什么時(shí)間、地點(diǎn),轎廂應(yīng)運(yùn)行、停止或轉(zhuǎn)向.對(duì)于辦公建筑主要是使乘客平均候梯時(shí)間最小,此問題難于處理的原因包括:多轎廂的協(xié)同問題,滿足轎廂的運(yùn)動(dòng)約束、狀態(tài)信息的不完整和不確定以及時(shí)變的交通量.電梯群控系統(tǒng)的隨機(jī)性、非線性和控制目標(biāo)多樣性,使傳統(tǒng)控制方法很難提高系統(tǒng)的性能指標(biāo).因此調(diào)度算法和評(píng)價(jià)指標(biāo)對(duì)于EGCS是至關(guān)重要的.電梯群控系統(tǒng)的設(shè)計(jì)主要應(yīng)考慮如下問題:1)電梯動(dòng)態(tài)特性:額定速度、加速度、運(yùn)動(dòng)時(shí)間、加載/卸載乘客數(shù)量;2)評(píng)價(jià)準(zhǔn)則:平均候梯時(shí)間、長(zhǎng)候梯率、能耗統(tǒng)計(jì)值;3)評(píng)價(jià)方法:主要有仿真方法、模糊專家系統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)方法;4)層站呼叫指派方法(HCAM):當(dāng)一個(gè)新的層站呼叫發(fā)生時(shí),HCAM需完成3個(gè)步驟:輸入當(dāng)前交通條件、性能預(yù)測(cè)及確定服務(wù)轎廂;5)交通量的自適應(yīng)性:用已知的當(dāng)前交通數(shù)據(jù)預(yù)測(cè)層站呼叫的發(fā)生情況,估計(jì)可能的指派而后作出決策;6)再指派能力:根據(jù)最新的系統(tǒng)條件重新作出指派,這也是當(dāng)今備受關(guān)注的一個(gè)問題.電梯群控系統(tǒng)首先要做的工作是對(duì)交通模式分類.一般認(rèn)為,電梯交通系統(tǒng)的乘客到達(dá)可以近似地認(rèn)為服從Poisson分布.在此基礎(chǔ)上,將電梯的交通類型分成如下幾個(gè)模式:1)上行高峰交通模式:所有的乘客均由建筑物底層(基站)大廳進(jìn)入轎廂,當(dāng)電梯把乘客送至各自的目的層后,直接返回基站,重復(fù)執(zhí)行運(yùn)送基站乘客的工作;2)午餐交通模式:所有乘客到底層用餐之后返回各自的樓層;3)下行高峰交通模式:所有乘客都運(yùn)行至基站;4)層間交通:層間可能性的交通;5)空閑交通:樓層的客流稀少,不足以使用全部電梯,而讓其余的電梯正常服務(wù).其中上行高峰與下行高峰不是簡(jiǎn)單的順序倒置.下行高峰有多個(gè)到達(dá)(起始)樓層,而只有一個(gè)目的層;上行高峰僅有一個(gè)到達(dá)樓層而有多個(gè)目的樓層.這種區(qū)分的意義在于準(zhǔn)確估計(jì)乘客平均候梯時(shí)間.交通模式的識(shí)別是電梯群控系統(tǒng)的一項(xiàng)重要內(nèi)容,是調(diào)度策略優(yōu)化的必要前提.4.2電梯群的運(yùn)行控制早期基于繼電器控制器的集選控制方法,轎廂通常停留在沿其運(yùn)行方向上最近的呼叫發(fā)生處.其缺點(diǎn)是無(wú)法回避多電梯扎堆問題,使得時(shí)間間隔、平均候梯時(shí)間變大.電梯群的運(yùn)行控制是一個(gè)多輸入/多輸出的多目標(biāo)決策過程,應(yīng)根據(jù)不同的建筑物交通模式采用不同的調(diào)度方法.4.2.1電梯動(dòng)態(tài)分區(qū)這是電梯群控常見的方法,一般分為靜態(tài)分區(qū),按時(shí)間表分區(qū)和動(dòng)態(tài)分區(qū).靜態(tài)分區(qū)是根據(jù)電梯臺(tái)數(shù)和建筑物層數(shù)將電梯劃分為固定的運(yùn)行區(qū)域,調(diào)度一組轎廂服務(wù)于通常毗鄰的樓層,各部電梯僅響應(yīng)本分區(qū)內(nèi)的層站呼叫.不足之處是層站呼叫的隨機(jī)性容易造成梯群中的電梯忙閑不均.按時(shí)間表分區(qū)是按預(yù)制的時(shí)間段進(jìn)行分區(qū),這個(gè)時(shí)間段通常與高峰交通或交通擁擠時(shí)段恰好吻合,且電梯在一天當(dāng)中剩下的時(shí)間服務(wù)于全部樓層.由于這些方法難以適應(yīng)時(shí)變的交通特性,因此對(duì)動(dòng)態(tài)分區(qū)的研究便顯得十分必要.動(dòng)態(tài)分區(qū)是按照一定的順序把電梯服務(wù)區(qū)域連成環(huán)形,每臺(tái)電梯的服務(wù)區(qū)域隨電梯的位置和運(yùn)行方向作順時(shí)變化,以解決上述電梯忙閑不均的現(xiàn)象.但由于電梯位置、轎廂內(nèi)人數(shù)和響應(yīng)呼梯信號(hào)的速度不同,有時(shí)會(huì)造成電梯配置不盡合理.從基于高峰交通的動(dòng)態(tài)分區(qū)理論可知,運(yùn)行周期和乘客乘載能力兩個(gè)方面均有所進(jìn)步.而綜合動(dòng)態(tài)分區(qū)的概念已經(jīng)拓展到包括隨機(jī)層間交通條件,高峰狀態(tài)變?yōu)樘厥馇闆r:利用不等的層間交通量的通用交通條件,得出適合于指派到每個(gè)分區(qū)中的每一個(gè)轎廂的“等效運(yùn)行周期”,再利用遺傳算法優(yōu)化轎廂等效運(yùn)行周期的成本函數(shù),從而選擇電梯的最佳分區(qū).4.2.2非推動(dòng)模式下的電梯改革方案搜索算法是指在可能的調(diào)度方案中,搜索滿足約束條件的最優(yōu)方案.從搜索結(jié)果是否可以變更的意義上可分為貪婪收索算法和非貪婪搜索算法.貪婪算法:當(dāng)層站呼叫首次注冊(cè)時(shí),便將層站呼叫指派給某部電梯,而后不再考慮對(duì)該呼叫的指派.其約束條件是候梯時(shí)間、行程時(shí)間和轎廂擁擠度加權(quán)和最小.因?yàn)樵摲椒ㄒ皂憫?yīng)最快為貪婪準(zhǔn)則,所以缺少靈活性,使指派電梯改組變得困難.非貪婪算法:在每個(gè)呼梯事件發(fā)生后,對(duì)于新到達(dá)乘客的轎廂指派進(jìn)行大量的搜索,允許推遲任務(wù)指派或者根據(jù)新增層站呼叫或乘客目的層站信息對(duì)層站呼叫再指派.主要有FIM算法,ESA算法和DLB算法,其中,FIM的約束條件是候梯時(shí)間的平方和最小;ESA的約束條件是當(dāng)前擁擠時(shí)間最小.二者都僅適合于下高峰交通方式.DLB算法以平衡轎廂乘客荷載的方式,通過均勻地將比鄰的相互不重疊的分區(qū)分配給每一個(gè)轎廂來保持轎廂均勻分布.此外,還有遺傳算法、模擬退火算法以及局內(nèi)調(diào)度算法等.4.2.3模糊理論處理高時(shí)發(fā)現(xiàn)從一定的意義上講,所有的控制策略都是基于規(guī)則的.隨著基于預(yù)測(cè)函數(shù)的調(diào)度方式的進(jìn)展,研究者基于對(duì)候梯時(shí)間的預(yù)測(cè),對(duì)這一主流控制方法進(jìn)行了改進(jìn).利用專家系統(tǒng)的方法和模糊理論處理高峰時(shí)間交通狀況;根據(jù)專家規(guī)則確定當(dāng)前占主導(dǎo)地位的交通模式,之后發(fā)布事先定義好的與這種模式相應(yīng)的調(diào)度決策.由于交通模式的時(shí)變性、專家知識(shí)的獲取、不一致性的描述以及維護(hù)潛在的規(guī)則集合等問題,使得專家系統(tǒng)的應(yīng)用變得困難.基于上述原因,模糊邏輯、模糊規(guī)則的使用在20世紀(jì)90年代變得非常流行.模糊邏輯用于描述交通模式,模糊規(guī)則包含在專家系統(tǒng)中用來實(shí)施更具有彈性的推理機(jī)制.4.2.4基于閾值的模型優(yōu)化算法隨機(jī)性是事件發(fā)生與不發(fā)生的因果律破壞而造成的一種不確定性.多種可能的結(jié)果會(huì)呈現(xiàn)一定的規(guī)律.電梯群控系統(tǒng)統(tǒng)計(jì)特性與動(dòng)態(tài)特性都是其隨機(jī)特性的表現(xiàn),因此可應(yīng)用隨機(jī)過程的理論解決電梯群控優(yōu)化問題.乘客到達(dá)過程是一個(gè)隨機(jī)過程,由3個(gè)關(guān)鍵的隨機(jī)變量來描述:到達(dá)時(shí)間、到達(dá)樓層和期望目的層,這些不確定性是決定由哪個(gè)轎廂向乘客提供服務(wù)的依據(jù).根據(jù)決策過程不確定性的類型將乘客分成幾種類型:新到乘客、已到達(dá)乘客和未到達(dá)乘客.基于此,將電梯群的調(diào)度問題歸結(jié)為一個(gè)批量服務(wù)隨機(jī)排隊(duì)系統(tǒng)問題,采用基于閾值的最小化平均候梯時(shí)間指派策略,閾值與轎廂數(shù)量是線性關(guān)系,同時(shí)該方法的實(shí)施并不需要前廳乘客的隊(duì)長(zhǎng),所需要的是前廳可用轎廂的數(shù)量和每個(gè)轎廂中的人數(shù).閾值的確定方法為:應(yīng)用再勵(lì)學(xué)習(xí)的方法和概率模型算法,針對(duì)不同的到達(dá)率,求解動(dòng)態(tài)規(guī)劃方程.5電梯群智能控制關(guān)鍵技術(shù)20世紀(jì)70年代中期,智能技術(shù)在電梯群控系統(tǒng)中得到廣泛應(yīng)用.如表1所示,模糊控制、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、進(jìn)化算法、動(dòng)態(tài)規(guī)劃方法、Petrinet技術(shù)以及隨機(jī)過程技術(shù)等成為電梯群智能控制的幾個(gè)關(guān)鍵技術(shù).5.1模糊邏輯模型模糊控制技術(shù)在EGCS中應(yīng)用的實(shí)質(zhì)是由專家的知識(shí)決定隸屬函數(shù)及模糊控制規(guī)則,并由此確定以后的控制行為,實(shí)現(xiàn)對(duì)每個(gè)派梯方案的評(píng)價(jià),以得出當(dāng)前系統(tǒng)中符合性能指標(biāo)要求的最佳方案.三菱公司的電梯控制系統(tǒng)首先使用了模糊邏輯,在層站呼叫按鈕按下后即可選擇適當(dāng)?shù)目刂埔?guī)則.模糊邏輯隨后用于識(shí)別基于人流密度、進(jìn)\出客流量及層內(nèi)的交通流量的交通模式.比較典型的是確定區(qū)域密度的二級(jí)模糊邏輯模型.對(duì)處理電梯交通系統(tǒng)隨機(jī)性,模糊控制技術(shù)在電梯控制系統(tǒng)中顯示了高度的優(yōu)越性.電梯群控系統(tǒng)中模糊邏輯的應(yīng)用主要有以下幾個(gè)方面:1)模糊推理:根據(jù)模糊規(guī)則進(jìn)行推理,選出響應(yīng)層站呼梯信號(hào)的最佳轎廂;2)模糊預(yù)測(cè):對(duì)電梯的狀態(tài)進(jìn)行預(yù)測(cè),從而選出最佳運(yùn)行方案;3)交通模式識(shí)別:根據(jù)客流密度、進(jìn)出人數(shù)、層間客流情況進(jìn)行交通模式識(shí)別;4)與人工神經(jīng)網(wǎng)絡(luò)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò),用于交通模式識(shí)別和調(diào)度策略優(yōu)化;5)利用模糊技術(shù)在監(jiān)視系統(tǒng)的圖像理解和處理中確定乘客人數(shù);6)根據(jù)轎廂質(zhì)量傳感器所示質(zhì)量,使用模糊技術(shù)確定橋廂內(nèi)乘客人數(shù).圖2為具有模糊邏輯的電梯群控系統(tǒng)FLEX-8800.為得到電梯最優(yōu)調(diào)度,系統(tǒng)使用了多評(píng)價(jià)指標(biāo)的多級(jí)模糊規(guī)則完成多級(jí)決策.呼梯分配系統(tǒng)中增加一個(gè)綜合評(píng)價(jià)系統(tǒng),包括候梯時(shí)間、長(zhǎng)時(shí)間候梯率及預(yù)測(cè)誤差率評(píng)價(jià)指標(biāo)閾值.與傳統(tǒng)的系統(tǒng)相比,平均候梯時(shí)間減少了15%～25%,超過1min的長(zhǎng)候梯率減少了48%～80%,轎廂到達(dá)的預(yù)報(bào)準(zhǔn)確率提高了60%～80%.存在的問題是,盡管專家知識(shí)可以更好地處理電梯系統(tǒng)的多目標(biāo)性、隨機(jī)性和非線性,但由于隸屬函數(shù)加權(quán)系數(shù)不會(huì)根據(jù)不同交通模式而改變,無(wú)法自學(xué)習(xí),運(yùn)行時(shí)無(wú)法修正規(guī)則,因而使系統(tǒng)性能受專家知識(shí)影響很大.5.2電梯群數(shù)控系統(tǒng)的應(yīng)用神經(jīng)網(wǎng)絡(luò)具有非線性、非局限性及動(dòng)態(tài)性的特點(diǎn)和較強(qiáng)的學(xué)習(xí)功能.1994年神經(jīng)網(wǎng)絡(luò)技術(shù)開始引進(jìn)電梯群控系統(tǒng).神經(jīng)網(wǎng)絡(luò)在電梯群控系統(tǒng)中的應(yīng)用主要有兩方面:建筑物交通模式的識(shí)別和電梯調(diào)度策略優(yōu)化.5.2.1指定目標(biāo)區(qū)域1)將特定建筑物若干天的交通數(shù)據(jù)存儲(chǔ)起來,從中提取特征數(shù)據(jù).系統(tǒng)以一定的采樣周期采集信息作為樣本,對(duì)一個(gè)指定的周期使用特征數(shù)據(jù)重復(fù)地訓(xùn)練神經(jīng)網(wǎng)絡(luò),直到滿足收斂條件;2)在實(shí)施范圍內(nèi),借助于最新編制的神經(jīng)網(wǎng)絡(luò)識(shí)別出交通模式;3)根據(jù)識(shí)別出的交通模式實(shí)現(xiàn)相應(yīng)的有效操作,選出最佳派梯方案.通過輸入數(shù)據(jù)的不斷訓(xùn)練學(xué)習(xí),獲得對(duì)新交通條件的適應(yīng)能力,應(yīng)用最小候梯時(shí)間的性能判據(jù),選擇合適的交通模式,使系統(tǒng)選擇最佳的層站呼叫分配算法.5.2.2神經(jīng)網(wǎng)絡(luò)的問題利用神經(jīng)網(wǎng)絡(luò)能夠確定5種共同的交通模式:1)上行高峰;2)下行高峰;3)脫離高峰;4)單程運(yùn)行;5)雙程運(yùn)行.存在的問題是:神經(jīng)網(wǎng)絡(luò)是一種黑箱式結(jié)構(gòu),全局優(yōu)化逼近能力受到制約.由于神經(jīng)網(wǎng)絡(luò)實(shí)施的前提是將某些類型的神經(jīng)網(wǎng)絡(luò)儲(chǔ)存起來,以實(shí)時(shí)采集到的交通數(shù)據(jù)為基礎(chǔ),所以會(huì)出現(xiàn)重復(fù)學(xué)習(xí)的過程.另外電梯系統(tǒng)是多狀態(tài)的,為得到最優(yōu)的輸入/輸出映射,使用單純的神經(jīng)網(wǎng)絡(luò)會(huì)使其結(jié)構(gòu)相當(dāng)龐大,網(wǎng)絡(luò)的離線和在線學(xué)習(xí)時(shí)間都會(huì)較長(zhǎng),使控制部分的收斂性變差,同時(shí)網(wǎng)絡(luò)結(jié)構(gòu)的合理改變難以驗(yàn)證.5.2.3建立和使用步驟糊神經(jīng)網(wǎng)絡(luò)(FNN)是將神經(jīng)網(wǎng)絡(luò)與模糊邏輯二者有機(jī)結(jié)合,采用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行模糊信息處理,使得模糊規(guī)則的自動(dòng)提取及模糊隸屬函數(shù)的自動(dòng)生成成為可能,進(jìn)而克服神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定以及模糊邏輯無(wú)自學(xué)習(xí)功能的缺點(diǎn),使模糊系統(tǒng)成為一種自適應(yīng)系統(tǒng).模糊神經(jīng)網(wǎng)絡(luò)的建立和使用步驟如下:1)利用專家知識(shí)概略地形成模糊模型;2)基于這一模糊模型構(gòu)成模糊神經(jīng)網(wǎng)絡(luò);3)訓(xùn)練神經(jīng)網(wǎng)絡(luò),采集特定的交通數(shù)據(jù)作為樣本,采用相應(yīng)算法進(jìn)行學(xué)習(xí),調(diào)整神經(jīng)網(wǎng)絡(luò)必要的權(quán)值,以得到優(yōu)化的模糊規(guī)則;4)網(wǎng)絡(luò)的應(yīng)用.網(wǎng)絡(luò)的輸入數(shù)據(jù)是在統(tǒng)計(jì)數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的基礎(chǔ)上進(jìn)行預(yù)測(cè)得到的,這就要求實(shí)時(shí)地采集數(shù)據(jù),周期性地統(tǒng)計(jì)和存諸數(shù)據(jù).預(yù)測(cè)到神經(jīng)網(wǎng)絡(luò)的輸入后,經(jīng)過網(wǎng)絡(luò)的計(jì)算,在較精確地識(shí)別出交通模式之后,對(duì)不同的模式采取適合其特點(diǎn)的相應(yīng)控制算法,選出派梯方案.圖3是東芝公司的模糊神經(jīng)網(wǎng)絡(luò)電梯群控系統(tǒng)EJ-1000FN.將模糊邏輯作為電梯系統(tǒng)性能預(yù)測(cè)模型,以模糊規(guī)則的集合形式存儲(chǔ)控制參數(shù)與電梯系統(tǒng)響應(yīng)的關(guān)系,用模糊推理的方式預(yù)測(cè)系統(tǒng)的性能,在性能調(diào)整函數(shù)中使用預(yù)測(cè)模型,以獲得當(dāng)前交通條件下最佳的控制參數(shù).5.2.4模糊控制的特性.模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用,使得自動(dòng)適應(yīng)各種不同的交通條件成為可能,乘客候梯時(shí)間可以保持在較小的數(shù)值.借助于模糊推理的數(shù)據(jù)整理分析,使得針對(duì)交通量的變化具有較好的魯棒性.另一方面,神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力使得系統(tǒng)適應(yīng)于長(zhǎng)期間內(nèi)的交通量變化.系統(tǒng)能夠適應(yīng)建筑物內(nèi)的各種條件變化,與模糊控制相比平均候梯時(shí)間減少了10%,長(zhǎng)候梯率減少了20%,并有效地控制了扎堆現(xiàn)象.5.3電梯群控中的“if-主要系統(tǒng)”專家系統(tǒng)主要研究用于處理復(fù)雜系統(tǒng)工程技術(shù)問題的知識(shí)表示、使用和獲取的方法,依靠經(jīng)驗(yàn)的、尚未形成科學(xué)體系的領(lǐng)域?qū)＜抑R(shí)對(duì)系統(tǒng)進(jìn)行控制.專家系統(tǒng)在電梯群控中的應(yīng)用始于20世紀(jì)90年代.專家系統(tǒng)通過使用標(biāo)準(zhǔn)的程序包,設(shè)置原始型電子數(shù)據(jù)表格,模擬輸入交通量,其結(jié)果被動(dòng)態(tài)地連接到仿真器上,以顯示轎廂的運(yùn)動(dòng),并由連接到交通傳感系統(tǒng)的專家系統(tǒng)不斷地計(jì)算以調(diào)整優(yōu)化轎廂運(yùn)動(dòng).專家知識(shí)用“If-Then”形式規(guī)則歸納成基本規(guī)則,“If”部分用于產(chǎn)生式規(guī)則的推理部分,模糊條件作為模糊規(guī)則加以存儲(chǔ).系統(tǒng)由群控規(guī)則處理分析部分、群控管理實(shí)施及系統(tǒng)存儲(chǔ)器組成.5.3.1基于模糊知識(shí)獲取的電梯控制器設(shè)計(jì)1)利用模糊理論解決“模糊表達(dá)式”的定性知識(shí)和基于經(jīng)驗(yàn)規(guī)則的表達(dá).2)在線和實(shí)時(shí)控制問題,具有即時(shí)決策功能的電梯群控制器必須具有較短的響應(yīng)時(shí)間(100～150ms).這個(gè)時(shí)間表達(dá)了在輸入電梯狀態(tài)數(shù)據(jù)、轎廂呼叫數(shù)據(jù)或?qū)诱竞艚袛?shù)據(jù)后輸出控制命令所需要的時(shí)間.3)知識(shí)處理系統(tǒng)的構(gòu)成.群控制器以適合于知識(shí)表達(dá)形式的知識(shí)數(shù)據(jù)表達(dá)專家系統(tǒng),交通數(shù)據(jù)和知識(shí)數(shù)據(jù)通過模糊推理機(jī)、或規(guī)則選擇器、或規(guī)則執(zhí)行器,作為控制命令來輸出需要的結(jié)論.分為基于產(chǎn)生式規(guī)則的電梯專家系統(tǒng)和基于模糊規(guī)則的電梯專家系統(tǒng).4)知識(shí)獲取.一種方法是電梯運(yùn)行最優(yōu)化的數(shù)學(xué)分析法,基于過去的交通數(shù)據(jù)在計(jì)算機(jī)上生成建筑物的交通量,由模擬退火算法找到對(duì)應(yīng)交通量的最優(yōu)指派轎廂,然后將該結(jié)果與傳統(tǒng)方法進(jìn)行仿真比較,形成最優(yōu)運(yùn)行的調(diào)度方法;另一種方法是組織知識(shí)并通過群控仿真器測(cè)試,獲得最優(yōu)運(yùn)行的調(diào)度方法.5)規(guī)則分組.根據(jù)應(yīng)用的電梯群控系統(tǒng)將規(guī)則進(jìn)行分類,一組針對(duì)一個(gè)新的層站呼叫注冊(cè)的規(guī)則,另一組則不考慮是否有層站呼叫的發(fā)生.6)知識(shí)表達(dá),即產(chǎn)生式規(guī)則表達(dá)方式.5.3.2a.理念特點(diǎn)富士通的FLEX8800,日立的CIP52000,三菱的A1-2100,AI-2200都使用了專家系統(tǒng)技術(shù).其中A1-2200與AI-2100相比,平均候梯時(shí)間,在上高峰期間,降低15%～30%,其他時(shí)間降低10%～20%;超過60s的長(zhǎng)候梯率,在上高峰期間,降低30%～60%,其他時(shí)間降低20%～40%.5.4遺傳技術(shù)5.4.1電梯調(diào)度問題的遺傳算法求解遺傳算法是一種全局優(yōu)化算法,具有方法簡(jiǎn)單、魯棒性強(qiáng)、并行性等特點(diǎn).基于與設(shè)計(jì)有關(guān)的調(diào)度、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、維護(hù)等難以處理的問題,人們嘗試用遺傳算法來解決電梯調(diào)度問題.其中,染色體表示的是給定方案初始種群,是電梯調(diào)度問題的一組可能解,適應(yīng)度則是根據(jù)每個(gè)方案來計(jì)算乘客候梯時(shí)間而估計(jì)獲得的.遺傳算法中的隨機(jī)搜索通常比那些通過預(yù)先定義的調(diào)度規(guī)則集合產(chǎn)生的調(diào)度方案要好.5.4.2電梯交通垂直運(yùn)輸?shù)慕鉀Q方案1)創(chuàng)建一個(gè)由一部電梯遠(yuǎn)程控制并用以滿足所有要求的起始人數(shù)的方案.2)開始進(jìn)化演變,以評(píng)價(jià)來源于“新一代”的每個(gè)新產(chǎn)生的方案,隨后將選擇的被復(fù)制的方案進(jìn)行模擬、預(yù)演、評(píng)估,以獲得相關(guān)記錄.在電梯交通垂直運(yùn)輸問題上,遺傳算法能夠依據(jù)其相對(duì)最小候梯時(shí)間的“適應(yīng)性”記錄每一方案.3)選擇相關(guān)的部分方案.基因組一旦經(jīng)過評(píng)價(jià),通過選擇過程,選擇那些能夠?qū)⑵浠蝾愋蛡鬏斀o下一代的個(gè)體.4)由復(fù)制品方案組成,常使用的算法是“交叉”和“變異”,交叉使得第一代最好的品質(zhì)涵蓋其衍生代中.5)一個(gè)重復(fù)的過程.最終優(yōu)化的方案在幾代以后才能確定(依據(jù)概率),占用了更多時(shí)間的過程是對(duì)解決方案的評(píng)價(jià).5.4.3系統(tǒng)的主要功能遺傳算法于1993年應(yīng)用于日立公司高速乘客電梯NPX-8000的FI系列電梯群控系統(tǒng).其中,FI-340G系統(tǒng)具有4種功能:1)學(xué)習(xí)功能:從層站呼叫處采集層站呼叫和交通量需求數(shù)據(jù),用于學(xué)習(xí)特定的交通量需求;2)智能化功能:生成最有效的多目標(biāo)操作程序;3)操作功能:基于事先輸入的多目標(biāo)控制模式指派層站呼叫;4)信息功能:包括至少4種特性的LED顯示,顯示正在提供服務(wù)的電梯狀態(tài)參數(shù)以引導(dǎo)乘客.文獻(xiàn)的研究表明,每個(gè)時(shí)間段依次回答呼叫響應(yīng)的百分率分別為:在0～10s的時(shí)間段記錄中,通過微處理器應(yīng)答的百分率為49%,而使用GA算法則增加到59%;在10～20s的時(shí)間段也增加了5%.5.5基于petri網(wǎng)的電梯群控系統(tǒng)動(dòng)態(tài)調(diào)度方法Petri網(wǎng)技術(shù)是由德國(guó)的Petri博士于1962年提出的一種研究信息系統(tǒng)及其相關(guān)系數(shù)的數(shù)學(xué)模型.經(jīng)過30多年的發(fā)展,Petri網(wǎng)技術(shù)日臻完善,它能較好地描述系統(tǒng)的結(jié)構(gòu),表示系統(tǒng)中并行、同步、沖突及因果依賴等關(guān)系,并以網(wǎng)圖的形式簡(jiǎn)潔直觀地模擬離散事件系統(tǒng),分析系統(tǒng)的動(dòng)態(tài)性質(zhì).Petri網(wǎng)是電梯群控系統(tǒng)建模的有力工具.早期的Petri網(wǎng)僅適用于單部電梯的建模,直到1996年才出現(xiàn)基于Petri網(wǎng)的電梯群控系統(tǒng)動(dòng)態(tài)調(diào)度方法.該方法是基于Petri網(wǎng)提出的混合多電梯系統(tǒng)模型.Petri網(wǎng)模型的4種模塊及功能分別為:1)基本運(yùn)動(dòng)模塊,對(duì)電梯從一層到另外一層的運(yùn)行軌跡建模;2)加載/卸載模塊,用于處理呼叫狀態(tài)和加載卸載活動(dòng);3)方向倒轉(zhuǎn)模塊,在合適的時(shí)間改變電梯的運(yùn)行方向;4)呼叫管理模塊,用于管理層站呼叫和轎廂呼叫以及將不同的電梯集中到一組.系統(tǒng)全部完整的模型是上述4種模型的復(fù)制組合.圖4為基于Petri網(wǎng)的電梯動(dòng)態(tài)調(diào)度框圖,其成本函數(shù)為Cost=WaitingCost+RidingCost+PowerCost.該方法使一些不充分的觸發(fā)序列不生成,從而使搜索空間有效地減少,控制規(guī)則的使用滿足了人性化和期望的效率.為獲得基于Petri網(wǎng)的調(diào)度策略,采用事件驅(qū)動(dòng)動(dòng)態(tài)調(diào)度策略和啟發(fā)式的搜索算法,較好地處理了電梯群控系統(tǒng)的信息不充分和不確定的隨機(jī)性.由層站呼叫指派算法來估計(jì)調(diào)度結(jié)果,可確定最優(yōu)化的調(diào)度結(jié)果.存在的問題是,Petri網(wǎng)建模的狀態(tài)空間龐大,不可避免地會(huì)出現(xiàn)組合爆炸問題.盡管有的方法可以使模型獨(dú)立于建筑物規(guī)模,但所付出的計(jì)算成本是非常高的.另外,現(xiàn)有方法大都基于理想的交通條件,對(duì)用于通用交通條件的Petri網(wǎng)的研究還不多見,大多數(shù)文獻(xiàn)還停留在理論研究階段.5.6相同服務(wù)規(guī)則的下一步描述電梯群控系統(tǒng)的隨機(jī)行為使得隨機(jī)過程技術(shù)的應(yīng)用成為可能.針對(duì)上高峰交通條件,將電梯群控系統(tǒng)看作批量服務(wù)的排隊(duì)系統(tǒng).應(yīng)用馬爾可夫決策理論研究電梯群最優(yōu)調(diào)度是電梯群控技術(shù)的一個(gè)研究方向.將上高峰情況作為一個(gè)有限容量的單排隊(duì)模型處理,其排隊(duì)系統(tǒng)的構(gòu)成是:N部處理容量為C的電梯,乘客到達(dá)過程服從密度為λ的Poisson分布,服務(wù)規(guī)則為FCFS,每個(gè)乘客到達(dá)行為導(dǎo)致一個(gè)轎廂到達(dá)行為.其中服務(wù)臺(tái)以批量方式對(duì)乘客提供服務(wù),但處理能力不能超過C.批量運(yùn)送乘客的時(shí)間服從參數(shù)為μ的負(fù)指數(shù)分布.一個(gè)轎廂把所有乘客都運(yùn)送完,直接返回基站以運(yùn)送更多的上高峰乘客,即為一個(gè)轎廂到達(dá)行為,表明N部轎廂中的一部待用.當(dāng)所有的乘客以固定到達(dá)率達(dá)到大廳,且不允許有其他分離樓層情況下,可以得到純上高峰交通模式的最優(yōu)化答案.但應(yīng)注意的問題是:1)Poisson過程對(duì)于中等規(guī)模的建筑是可靠的;2)采用一個(gè)服從常數(shù)μ的指數(shù)分布的模型,其服務(wù)時(shí)間往往受到運(yùn)行時(shí)間、停站數(shù)量、卸載時(shí)間、關(guān)門時(shí)間和保持時(shí)間的隨機(jī)影響;3)當(dāng)?shù)竭_(dá)率較高時(shí),RTT會(huì)隨到達(dá)率的增加而增加,導(dǎo)致乘梯時(shí)間增加,運(yùn)輸效率下降.盡管馬爾可夫排隊(duì)論是解決復(fù)雜隨機(jī)服務(wù)系統(tǒng)排隊(duì)問題的有力工具,但由于純上高峰交通條件是一個(gè)理想的假設(shè),所得結(jié)果必然要受到隨機(jī)的層間交通的影響,因此,電梯群控調(diào)度問題受排隊(duì)模型的局限性較大.另外,該理論對(duì)于電梯成批服務(wù)的建模和優(yōu)化方面的研究尚處于探索階段,方法的通用性還有待于進(jìn)一步研究.5.7基于rtt的電梯群控制策略電梯群控系統(tǒng)建模的途徑一般有兩種:MonteCarlo仿真和基于概率理論的運(yùn)行周期模型.MonteCarlo方法通過直接并入當(dāng)前系統(tǒng)使用的群控邏輯,評(píng)價(jià)電梯群和監(jiān)控邏輯,但需要大量的仿真時(shí)間隨機(jī)地調(diào)整電梯群.而基于RTT利用排隊(duì)理論對(duì)服務(wù)進(jìn)行建模,目的是獲得電梯群運(yùn)行的準(zhǔn)確預(yù)測(cè)并進(jìn)行仿真.群控系統(tǒng)設(shè)計(jì)的前提是正確計(jì)算到達(dá)基站的乘客人數(shù)以及乘坐電梯轎廂內(nèi)的乘客人數(shù),以選擇合適的電梯運(yùn)送這些乘客.電梯交通設(shè)計(jì)的一個(gè)基本公式是S-P方法,該法給出了在已知前廳進(jìn)入轎廂的乘客人數(shù)時(shí),轎廂在高峰情況下的可能停站數(shù),但乘客的人數(shù)還不能計(jì)算.Al-Sharif提出了S-P方法的逆標(biāo)算法,即基于停站的數(shù)量對(duì)乘客的人數(shù)進(jìn)行統(tǒng)計(jì)計(jì)算.隨后出現(xiàn)了RTT的改進(jìn)算法,基于乘客需求量和轎廂數(shù)量計(jì)算電梯系統(tǒng)的服務(wù)參數(shù).此外,還有目的層控制技術(shù)和多智能體技術(shù).6基于模糊邏輯的電梯群控系統(tǒng)建模我國(guó)電梯群控技術(shù)的研究始于20世紀(jì)90年代,較發(fā)達(dá)國(guó)家相對(duì)遲晚,但發(fā)展趨勢(shì)很快,國(guó)內(nèi)的一些大學(xué)對(duì)電梯群控技術(shù)紛紛展開研究并取得了成果.研究?jī)?nèi)容主要有以下幾個(gè)方面:1)電梯交通配置方法及其軟件的研究.針對(duì)不同的服務(wù)模式采用不同的評(píng)價(jià)方法,確定優(yōu)化的電梯交通配置.2)虛擬仿真環(huán)境的研究.為研究電梯群控調(diào)度方法、交通流量仿真、電梯交通配置優(yōu)化而開發(fā)的一種軟件環(huán)境.3)基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)及人工免疫技術(shù)的交通模式識(shí)別.其中具有典型意義的是利用專家知識(shí),采用二步模糊神經(jīng)網(wǎng)絡(luò)確定交通模式的研究.4)采用隨機(jī)理論和細(xì)胞自動(dòng)機(jī)理論的電梯群控系統(tǒng)建模.應(yīng)用排隊(duì)論的Ek/M/n模型描述電梯群控系統(tǒng)的行為,從而獲得系統(tǒng)的性能指標(biāo),為群控系統(tǒng)的評(píng)價(jià)以及上高峰馬爾可夫決策的實(shí)施提供支持;運(yùn)用細(xì)胞自動(dòng)機(jī)理論進(jìn)行建模是一種新方法,由細(xì)胞自動(dòng)機(jī)模型仿真電梯運(yùn)動(dòng)行為,對(duì)派梯隊(duì)列進(jìn)行派梯控制,構(gòu)造了基于細(xì)胞自動(dòng)機(jī)的電梯群控系統(tǒng)模型,再用OD矩陣法對(duì)客流進(jìn)行建模分析,為群控系統(tǒng)建模提供了新思路.5)遺傳算法及模糊神經(jīng)網(wǎng)絡(luò)技術(shù)在電梯群控中的應(yīng)用研究.其中遺傳算法與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合構(gòu)成一種智能多模式調(diào)度方法:模糊表達(dá)與網(wǎng)絡(luò)學(xué)習(xí)能力,使算法能根據(jù)各種單一模式算法結(jié)果產(chǎn)生樣本數(shù)據(jù),得到與單一模式群控算法相應(yīng)服務(wù)指標(biāo)相同或相近的效果,從而實(shí)現(xiàn)根據(jù)不同的交通模式合理調(diào)度電梯.而文獻(xiàn)是基于領(lǐng)域知識(shí)和遺傳算法的滾動(dòng)優(yōu)化方法,采用逐步優(yōu)化的策略,先利用呼梯分配方法得到一個(gè)次優(yōu)解,然后利用遺傳算法進(jìn)行校正.這些方法都很有研究意義.7電梯群控技術(shù)電梯群控系統(tǒng)的最優(yōu)控制是一種基于時(shí)間最優(yōu)、運(yùn)力最優(yōu)、能量最優(yōu)的動(dòng)態(tài)綜合最優(yōu)化策略.從總體上看,電梯群控技術(shù)的發(fā)展趨勢(shì)主要有以下4個(gè)方面:1)基于人性化考慮的高度智能化.當(dāng)建筑物使用功能變化時(shí),允許業(yè)主作必要的參數(shù)調(diào)整和允許乘客作必要的設(shè)定以滿足使用者的要求.這就要求系統(tǒng)具有性能參數(shù)的在線自適應(yīng)調(diào)整功能,通過在線學(xué)習(xí),圍繞最優(yōu)性能指標(biāo)使系統(tǒng)以最小的擾動(dòng)工作在最佳狀態(tài).2)基于工程意義的高層建筑電梯配置與分析.這是電梯技術(shù)與工程應(yīng)用的必然接口.英國(guó)Peters公司的ELEVATETM和美國(guó)Otis公司的OTISPLAN○R已引起電梯業(yè)界和建筑設(shè)計(jì)行業(yè)的重視,其中OTISPLAN○R主要包括3個(gè)部分:單梯群性能指標(biāo)計(jì)算、多梯群配置最優(yōu)決策以及派遣器性能仿真.3)基