电梯群控系统的最优调度仿真

在电梯群控节能优化问题的研究中,电梯群控调度是一个开放、动态、复杂系统的多目标优化问题。但是目前大多数群控系统都采用了乘客最少候梯时间的原则来派梯,并没有从电梯的能源消耗等综合因素来调度电梯,从而降低了电梯群控系统的调度性能。并且传统的调度方法在全局收敛性上不能得到很好的满足。为此提出一种蚁群算法的电梯群控系统来进行最佳电梯调度,利用乘客的候梯时间、电梯耗能和电梯拥挤度作为算法的变量数据,并且建立多目标评价函数的蚁群优化模型的控制器,通过蚁群算法进行仿真,验证了蚁群算法对电梯群控得到良好效果,并解决了电梯群控制器对电梯调度单一和全局快速收敛性的问题,为提高电梯群控调度性能提供了参考。     

电梯群控系统节能优化调度控制策略分析

电梯群控系统运行实际上就是借助完善的电梯服务来满足不同客户之间的呼叫需求,属于较为典型的组合优化类研究问题,通过长时间对比试验研究,蚁群算法对于解决离散组合优化问题具有非常明显的效果,其具备的全局优化能力以及快速收敛的特点对优化电梯群控系统的运行具有十分重要的作用。但是当前相关领域内所采用的调度算法主要关注点放在了减少乘客等待以及乘坐的时间方面,却在一定程度上忽视了电梯运行过程能源的消耗问题。为了深入贯彻国家可持续发展的国家政策,实现节能的主要目的,结合蚁群算法,提出有效的优化方案,并详细论述电梯群控系统节能优化调度控制的具体策略。     

基于图像的电梯群控系统优化调度的研究

电梯群控系统作为现代建筑交通系统重要组成部分,以满足用户的呼叫需求为目标,进行电梯集群的调度分配。然而传统电梯群控调度算法未考虑到乘客群体的差异性,平等地为所有乘客分配电梯轿厢,从而导致需要更多空间的特殊乘客需要更长的等待时间。将图像识别技术应用到电梯群控系统中,通过SSD模型估算出电梯门厅中等待乘客的人数及其物品。通过使用从监视各层电梯门厅收集到的检测结果,对电梯群控系统调度进行优化。仿真实验结果表明,相比于传统群控调度算法,该方法可以大幅减少特殊乘客平均候梯时间,减少重复呼梯的情况,进而降低电梯集群的能耗。     

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．     

电梯群的可调整鲁棒优化调度

为解决电梯群控调度(GES)中乘客交通流不确定问题, 提出基于可调整鲁棒优化的电梯群控调度方法. 基于对电梯交通流的不确定特性分析, 建立了电梯群控调度的不确定优化模型. 利用可调整鲁棒优化方法将电梯群控调度的不确定模型转化为其可调整鲁棒对等式. 在此基础上, 证明了在不确定集为椭球集直积时, 电梯群控调度模型的可调整鲁棒对等式(ARC)是可计算的. 仿真验证表明, 与其他的调度方法相比, 该方法具有较好的调度性能, 提高了调度对不同乘客交通流模式的适应性.     

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。     

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。     

基于等间隔运行模式的群组电梯系统优化调度方法

针对群组电梯系统运行调度优化问题,本文采用多目标优化模型,基于电梯群组等间隔运行模式的操作规则,建立一类以乘客平均候梯时间最短为主要目标的群组优化策略.通过分析群组电梯系统运行中乘客候梯时间、服务时间、轿厢拥挤度和电梯能耗等指标,建立电梯系统运行的动态指标评价模型,考虑电梯客流的随机性因素,提出乘客候梯等间隔派梯规则和算法,实现了电梯系统多目标优化的动态调度方法.实验结果表明,对比传统的最短距离调度算法,本文方法可以降低乘客平均候梯时间13.1%,提高群组电梯系统工作性能.     

基于鲁棒优化理论的电梯群控调度策略

论文针对不确定线性优化问题,研究其不确定集的选择,初始不确定鲁棒优化模型的建立,以及基于该模型的鲁棒对等式转化问题.然后将鲁棒优化建模方法应用于电梯群控调度问题,建立其鲁棒优化模型,解决了交通流不确定性的影响,从而使调度结果更为合理.结合电梯群控虚拟仿真环境,设计了电梯群控鲁棒优化调度算法,并进行仿真验证.通过与其他调度算法的比较,证明了鲁棒优化调度算法在不同交通流F均具有优良的性能和适应能力.实验表明,鲁棒优化调度方法可以解决交通流预测误差的影响,很好地改善电梯群控调度性能.     

基于强化蚁群算法的高层住宅电梯群调度研究

在电梯群调度系统研究中,蚁群算法应用较为广泛,但仍存在迭代次数多、收敛速度慢等问题,同时高层建筑电梯鲜有优化调度.针对上述问题,提出一种将强化学习和蚁群算法相结合的高层电梯群控调度方法:建立以用户乘梯体验和系统运行能耗的多目标函数优化调度模型,用Q-learning迭代寻优后的Q值初始化蚁群算法的信息素,同时也将Q值引...     

基于RPSO的分布式电梯群控系统调度算法的优化

为了获取电梯群控系统调度问题的全局优化解,必须要找到一种具有全局优化功能的智能算法。对电梯群控系统不同的客流模型及控制机制进行了分析,提出了一种实时粒子群算法,用来优化电梯群控系统的动态调度问题。仿真结果表明,该算法不仅可以有效地调度分布式电梯群控系统,并且在电梯忙碌或者超载情况下,实现了对任务进行再分派的功能。基于RPS()算法的分布式电梯群控系统可以使乘客平均候梯时间减少一半,使乘客的电梯使用时间减少三分之一。     

基于模糊控制的智能小区电梯群控系统算法研究

研究并设计了一种基于模糊控制的多目标优化群控算法。首先对智能小区的四种交通模式进行了有效识别,然后对厅呼信号控制进行了重点研究。考虑到交通模式对三个评价指标（平均候梯时间、平均乘梯时间和能源消耗）权重的影响,本文采用综合量化评价的方法设计控制算法。通过控制相应的三个程度函数,达到乘客满意、系统节能的目的。     

基于Matlab的早高峰电梯群控调度系统仿真研究

电梯群控问题是一个具有不确定性和非线性的复杂多目标优化问题,为了研究此类问题,在现有的关于对电梯群控系统仿真研究的基础上,仅针对早高峰时段,即上午7：50到9：10的这个时间段来进行建模仿真。在建模的过程中考虑到排队、乘客等待时间及启停次数等问题, 运用Matlab进行模拟仿真,使各关键参数直观的呈现出来,以便为电梯优化调度方案的提出提供科学且可用的参考数据。     

基于克隆选择算法的新型多目标派梯策略

把Pareto解集应用到电梯群控系统多目标权重值确定的研究中,采用随机权重法,一次生成多组不同权重值,并对各权重值下生成的派梯方案求取Pareto最优解,能够一次得到多组不同最优派梯方案,为研究人员决策提供了更多直观的数据;根据优缺点互补特性,将梯度下降算子加入克隆选择算法,加快其后期收敛速度,以随机层间均衡交通流为乘客流,将混合算法与克隆选择算法应用于电梯群控系统中寻找节能策略,混合算法一定程度上优于克隆选择算法。     

基于状态空间模型的智能优化算法及其应用

针对城市公共交通系统中公交优化调度问题的具体特征,提出一种基于状态空间模型的实数编码智能优化算法(SIA)。SIA引入遗传算法(GA)的基本理念。通过构造状态进化矩阵来指导算法的搜索方向,再通过选种池的优胜劣汰的选择机理来实现算法朝最优解逼近。将该算法与GA分别应用到公交优化调度问题中,考虑发车时间间隔的约束,建立以企业和乘客的利益最大化为目标的数学模型。实例仿真结果表明,SIA在寻优精度和计算量方面优于GA,验证了该算法的有效性。     

多任务卷积神经网络的电梯乘客识别方法

电梯安全监测系统应用中, 对于电梯乘客识别往往采用红外传感技术或是传统人脸检测算法如Haar-like、HOG实现, 但应用效果并非很理想. 近年来随着深度学习的发展, 基于卷积神经网络的人脸检测算法在精度上高于传统人脸检测算法, 被多个领域应用. 基于多任务级联卷积神经人脸检测算法模型小、运算快的特点而将其应用到电梯安全监测系统中的电梯乘客识别, 通过引入Inception模块思想, 利用不同大小卷积核并行操作增加各级网络的深度和宽度, 提升网络特征提取能力, 结合Batch Normalization算法提高模型训练速度和网络的分类能力. 实验结果表明, 改进后算法的精度比原算法提升了2％, 实现高准确率的电梯乘客识别.     

基于改进粒子群算法的行李条码阅读器布局优化

针对航空旅客托运行李时,检测行李条码的阅读器数量、位置、姿态存在很多不确定性问题,提出了动态种群-双适应值粒子群优化(DPDF-PSO)算法。首先,建立行李条码检测数学模型;然后,转化为约束优化问题;其次,通过标准粒子群优化(PSO)算法求解此优化问题;最后,依照模型特点对标准粒子群算法进行改进。仿真结果表明,与标准PSO算法相比,DPDF-PSO算法仿真时间降低了23.6%,目标函数值提高了3.7%。DPDF-PSO算法克服了标准粒子群优化算法中仿真时间慢、边界最优解难处理的缺点,阅读器布局方案能以较低的成本准确快速读取行李身份信息。     

基于电梯交通流概率仿真模型的空闲交通模式电梯调度方法

首先建立电梯交通流概率仿真模型,然后利用该模型进行空闲交通模式下的电梯调度。该电梯调度方法有效地避免了电梯“空驶现象”,并大大降低了方法的复杂性。在仿真实验中,通过与其它空闲交通模式电梯调度方法的比较,可验证本方法的可行性和有效性。