新型电梯群控系统交通模式识别方法

电梯交通模式识别是电梯群控调度的一个关键问题.针对实时变化的电梯交通流数据,提出一种新型的电梯系统交通模式识别方法.在不增加数据采集量的基础上,首先对基本交通信息进行预处理,再采用多值分类的支持向量机算法,对电梯群控系统建立交通模式分类器.建立的分类器可以根据交通流数据的变化,自适应地识别出建筑物内的最大客流层及次大客流层(厅堂除外).仿真结果表明,这种交通模式识别方法能较准确地辨识出各种交通流模式,并且通过对比试验,证明该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,实用性强.     

基于遗传算法优化支持向量机的电梯交通模式识别

电梯交通模式识别问题是电梯群控系统优化调度的基础。在电梯交通模式识别研究中,支持向量机应用较为广泛且识别效果较好,但仍存在模型参数难以确定的问题。为此,提出一种结合遗传算法和支持向量机的电梯交通流模式识别方法:利用遗传算法对支持向量机的关键参数对——惩罚因子C和核函数参数σ自动全局寻优,将最佳参数组合(C,σ)代入原始SVM模型,建立遗传算法优化支持向量机(GA-SVM)模型,并在Python平台下进行仿真验证。实验结果表明:该GA-SVM模型相比基本SVM模型具有更高的识别精度,且泛化性良好,更适用于电梯交通模式识别问题。     

电梯交通模式的模糊神经网络识别

交通模式识别的准确性将直接影响群控系统的整体性能,通过对各种电梯交通模式识别方法优、缺点的分析比较,考虑电梯交通模式的判断条件,结合神经网络和模糊推理,设计了一种基于模糊神经网络的电梯交通模式识别方法,该方法能够适应各种交通流模式的变化,并采用相应的电梯群控调度策略。     

智能多模式电梯群控调度方法的研究与实现

电梯群控系统的任务是有效地运送乘客，提高电梯运行效率、改善服务质量．根据 大楼不同交通流状况识别不同的交通流模式，并采用最合适的调度方法分派电梯是提高电梯 群控性能的关键．本文实现了一种基于模式识别的智能多模式电梯群控调度方法，该方法可 以在一天中根据不同的交通流状况，提供不同的群控策略,从而使电梯服务更优．仿真实验 表明了这种电梯调度方法是有效的．     

智能多模式电梯群控调度方法的研究与实现

电梯群控系统的任务是有效地运送乘客，提高电梯运行效率，改善服务质量，根据大楼不同交通流状况识别不同的交通流模式，并采用最合适的调度方法分派电梯是提高群控性能的关键，实现了一种基于模式识别的智能多模式电梯群控调度方法，该方法可以在一天中根据不同的交通流状况，提供不同的群控策略，从而使电梯服务更优，仿真实验表明了这种电梯调度方法是有效的。     

电梯群控系统仿真平台的设计与应用

电梯群控算法是电梯群控系统的核心部分,为了测试各种群控算法的性能,本文提出了一种基于Delphi和Matlab的电梯群控系统仿真平台的设计方法.Delphi是新一代面向对象、可视化的编程环境,而Matlab具有强大的数值计算和图形处理能力,把二者结合起来,利用DDE技术实现二者的动态数据交换.该仿真平台能够产生交通流,并根据交通流进行模式识别,模拟实际梯群的运行,并对梯群进行仿真调度,分析仿真结果.它为测试电梯群控算法、仿真电梯运行过程、进行电梯配置等工作提供了一个方便的试验平台,是研究电梯群控系统必不可少的有力工具.     

基于遗传算法的层间交通模式算法研究

针对电梯群控系统层间交通模式下用户对电梯需求多样化的特点,提出了一种用于不同交通流繁重程度的层间交通模式下的调度方法,并采用遗传算法动态优化电梯调度方案,以多目标的评价函数的优化组合作为目标寻求最优派梯方案,根据电梯的运行状态和各层站的呼叫信号,构造适应度函数。在虚拟电梯群控系统环境下,对该基于遗传算法的层间交通流模式下的派梯算法进行验证、比较和分析,证明了该算法的优越性。     

基于交通模式识别的电梯调度算法研究

分析了电梯各种交通模式的特征,采用模糊神经网络对交通模式进行识别,确定辨识交通模式的特征值,并用交通流来测试网络的正确性.测试结果表明,应用模糊神经网络对电梯交通模式进行识别可准确地反映交通流的状况.将交通模式识别的结果作为派梯的依据,对电梯群控系统根据不同交通状况采用相应的派梯策略可以起到指导作用.     

电梯群控系统的交通模式识别

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别,提出了利用专家知识获取样本和训练网络的步骤,实际数据测试结果表明,该方法能准确地辨识出各种交通式所占的比例,对群控器的派梯可起到很好的指导作用,从而提高电梯群控系统的服务性能。     

基于SVR的电梯交通流时间序列预测

为了使电梯群控系统更好地跟踪电梯交通流的变化以提高群控系统的性能,提出了基于支持向量回归(Support Vector Regression,SVR)的电梯交通流预测方法.针对电梯交通流时间序列小样本的特性,考虑了电梯交通流的横向和纵向变化趋势,采用SVR算法建立了电梯交通流时间序列的预测模型.给出了预测的评价指标,研...     

免疫规划K-均值聚类算法识别电梯群控交通流模式

提出了一种基于免疫规划K-均值聚类算法的电梯交通流模式识别新方法,以该系统前7 d的交通流数据为样本,采用免疫k-均值算法对其进行聚类分析,产生的类别对应交通流模式,将实时采样数据划分到交通流模式对应的类中,能够识别25种交通流模式;实验表明该方法识别电梯交通流模式正确率高,可以指导系统优化派梯策略,算法的收敛速度较快,能够满足群控系统的实时性要求.     

目的层预约与多智能体协调的电梯群控调度方法

针对电梯群控调度过程中交通流和乘客目的楼层的不确定性,为克服集中式群控系统计算瓶颈问题,提出了基于目的层预约结合多智能体技术的电梯群控调度方法。首先,设计了该电梯群控调度系统的结构,分析了目的层预约的多目标评价函数;然后,提出基于模糊逻辑的电梯交通模式在线识别方案,实现实时地更新不同交通模式下对应的各控制目标的权系数;最后,结合多智能体技术具有良好的实时性和自主性的特点,将各轿厢运行控制器和群控制器映射为多个代理,通过各个代理之间协调多目标优化任务以得到平均候梯时间、平均乘梯时间及能源消耗整体最优的分布式电梯群控调度算法。     

电梯交通需求的显著性评价及未知分布的交通需求预测

有效的交通需求预测是电梯交通模式识别的一个重要前提,而传统的交通需求预测建模往往依赖于交通需求的分布.本文定义了交通需求的显著性评价指标x_ (na)~ (ev)及-显著,并基于上述指标给出了关于交通需求分布显著水平的一种评价方式:在此基础上,研究了在不服从Poisson分布且交通需求显著时的一种交通需求预测方法.仿真实验表明了该方法的有效性.     

基于模糊控制的电梯群控系统的研究与设计

本文对电梯群控系统输入的交通数据进行了分析,通过模糊识别把输入的交通特征量区分出四种交通模式。本文对厅层信号控制进行了重点的研究,对系统中的输入变量的选择进行了对比、分析,从而选择出了比较恰当的隶属函数。在算法的设计中还考虑到交通模式对本文提出的三个程度函数权重的影响,最终提出了基于模糊控制的电梯群控方法。设计了一个综合评价函数来衡量电梯群控系统的运行。通过控制相应的三个程度函数(平均等待时间、平均乘梯时间和能量消耗),达到乘客满意,系统节能的目的。论文最后对所设计的电梯群控算法进行计算机仿真,仿真结果验证了算法的可行性。