详情

原文传递一种基于动态优化的多目标电梯调度系统及方法

专利名称：	一种基于动态优化的多目标电梯调度系统及方法
摘要：	本发明公开的一种基于动态优化的多目标电梯调度方法及系统，其系统包括：呼梯模块负责传递呼梯讯号，控制器模块负责数据传递、计算与派梯，远程模块负责远程监控与管理。本发明还公开了实现上述多目标电梯调度方法。本发明能够满足用户在候梯、乘梯、乘坐时的空间舒适感、节能…等的多种需求。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	永大电梯设备(中国)有限公司
发明人：	江正文
专利状态：	有效
申请日期：	2019-05-16T00:00:00+0800
发布日期：	2019-08-16T00:00:00+0800
申请号：	CN201910406862.7
公开号：	CN110127464A
代理机构：	上海天翔知识产权代理有限公司
代理人：	吕伴
分类号：	B66B1/06(2006.01);B;B66;B66B;B66B1
申请人地址：	201612 上海市松江区九新公路99号
主权项：	1.一种基于动态优化的多目标电梯调度系统，其特征在于，包括：呼梯模块：用以传递呼梯数据；控制器模块，用以进行数据传递、计算与派梯；远程模块，用以进行远程监控与管理。 2.如权利要求1所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述控制器模块包括依次进行数据流转的数据处理子模块、模型库子模块、调度算法子模块、派梯管理子模块。 3.如权利要求2所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述数据处理子模块接收来自所述呼梯模块的呼梯数据以及电梯群内控制器传来的运行状态数据，并将所接收的呼梯数据和运行状态数据传入所述模型库子模块中。 4.如权利要求3所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述模型库子模块直接导出模型中目前最佳的派梯规则作为参考派梯数据并连同所接收的呼梯数据和运行状态数据传入所述调度算法子模块进行试算。 5.如权利要求4所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述调度算法子模块依据所述的呼梯数据和运行状态数据计算最佳派梯讯息，同时与所述模型库子模块提供的参考派梯数据进行比较，择优将最优派梯数据提供给派梯管理子模块。 6.如权利要求5所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述派梯管理子模块在接受到最优派梯数据后则对呼梯数据进行添加、删除与存储等处理,完成派梯队列的更新数据，同时将派梯队列的更新数据传入远程模块中。 7.如权利要求6所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述远程模块包括数据管理子模块和模型管理子模块。 8.如权利要求7所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述数据管理子模块用来存贮所述派梯队列的更新数据并用来监控每台单梯的目前楼层位置、转化的内外呼信号、内外呼信号数量、单梯运行方向、运行状态信息以及对每个乘客目的层呼叫的派梯结果。 9.如权利要求8所述的一种基于动态优化的多目标电梯调度系统，其特征在于，所述模型管理子模块作为算法参数管理、新模型建立以及将模型更新到模型库子模块中。 10.一种基于权利要求1所述的动态优化的多目标电梯调度系统的实现方法，其特征在于，所述实现方法是采用改良差分进化算法作为调度算法的基础，主要是通过一连串的变异，交叉与选择，找到比所述控制器模块提供的参考派梯数据更佳的派梯结果。 11.如权利要求10所述的实现方法，其特征在于，包含：首先是初始化，其方式是在解空间中随机均匀产生M个个体，每个个体由n维向量组成，其表示为：第i个个体的第j维值取值方式如下：再来是进入一连串的变异，交叉与选择，找到比所述控制器模块提供的参考派梯数据更佳的派梯结果；其中公式(1)中的Xi(0)代表派梯数据，总共有M个，xi，1(0)，xi，2(0)，xi，3(0)，…，xi，n(0)分别代表第1,2,3…n台电梯走行方向，0代表下行，1代表上行，公式(2)中的Lj_min为产生布尔函数值前的下限值，Lj_max为产生布尔函数值前的上限值。 12.如权利要求11所述的实现方法，其特征在于，所述变异的方法是以第g次迭代中的第i个个体为例，从种群中随机选择3个个体Xp1(g),Xp2(g),Xp3(g)且p1≠p2≠p3≠i，生成的变异向量为： Vi(g)＝Xp1(g)+F·(Xp2(g)-Xp3(g)) (3) 公式(3)中的F为缩放因子，一般是在[0,2]之间选择，通常取0.5；Xp1(g)代表随机选择的第1个个体，Xp2(g)代表随机选择的第2个个体，Xp3(g)随机选择的第3个个体。所述交叉的方式是通过概率的方式随机生成新的个体，操作方法如下：公式(4)中的CR称为交叉概率；Ui，j(g+1)代表通过概率的方式挑选出来的新个体，Vi，j(g+1)代表通过概率的方式随机生成的新个体，Xi，j(g)代表原本的个体值；所述选择的方式是采用贪婪选择的策略，选择较优的个体作为新的个体，操作方法如下：公式(5)中，Xi，j(g+1)代表采用贪婪选择，所选出的新个体。，Ui(g+1)代表通过概率的方式挑选出来的个体，Xi(g)代表原本的个体值；然后按照公式(3)至(5)进行迭代更新，直到找出合适的解为止。 13.如权利要求12所述的实现方法，其特征在于，所述F为0.5。 14.如权利要求10所述的实现方法，其特征在于，其涉及到的差分变异策略种类为：DE/rand/1/bin、DE/rand/2/bin、DE/best/1/bin、DE/best/2/bin、DE/rand–to-best/bin、DE/current–to-rand/bin或DE/current–to-best/bin。 15.如权利要求10所述的实现方法，其特征在于，其涉及到的估算方法，为蒙特卡罗(Monte Carlo)、均匀分布或重要性抽样。
所属类别：	发明专利