详情

原文传递基于交通流和自适应神经模糊推理的电梯群控调度方法

专利名称：	基于交通流和自适应神经模糊推理的电梯群控调度方法
摘要：	本发明公开了一种基于交通流和自适应神经模糊推理的电梯群控调度方法，根据规定时间段内电梯总客流量和规定时间段内电梯的最大负载客流量对电梯的忙碌程度进行模式划分，接着运用自适应神经模糊理论，根据电梯的忙碌程度以及规定时间段内进入客流量、离开客流量和电梯层间客流量识别电梯的交通流模式。根据不同的交通流模式确定电梯群控的局部指标以及不同的权重，继而运用模糊控制理论对每个局部指标进行模糊评估，最后综合各指标的隶属度计算最终的群控调度指标。本发明综合考虑了乘客候梯和乘梯时间、拥挤度、能耗等多种因素，能够有效减少候梯和乘梯时间，降低电梯能耗。
专利类型：	发明专利
申请人：	南京理工大学
发明人：	沈超;樊卫华;李玲玉;许松伟
专利状态：	有效
申请日期：	1900-01-20T17:00:00+0805
发布日期：	1900-01-20T10:00:00+0805
申请号：	CN201911305105.7
公开号：	CN110980456A
代理机构：	南京理工大学专利中心
代理人：	岑丹
分类号：	B66B1/18;B;B66;B66B;B66B1;B66B1/18
申请人地址：	210094 江苏省南京市玄武区孝陵卫200号
主权项：	1.一种基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，包括以下步骤：步骤1、根据规定时间段内电梯总客流量和规定时间段内电梯的最大负载客流量对电梯的忙碌程度进行模式划分；步骤2、建立自适应神经模糊推理模型，将训练样本集输入自适应神经模糊推理模型进行训练；步骤3、获取设定时间段内进门厅客流量比重、出门厅客流量比重和电梯层间客流量比重并输入到自适应神经模糊推理模型中，根据自适应神经模糊推理模型输出值确定交通流模式；步骤4、建立电梯群控调度的指标集合U和评价结果集合V，所述指标集合U＝{候梯时间，乘梯时间，拥挤度，能耗}，所述评价结果集合V＝{优，良，中，低，差}；步骤5、确定电梯群控调度各指标的权重向量；步骤6、对指标集合U进行单指标模糊评价，将对应指标的隶属度向量记为Um＝[rm1,rm2,rm3,rm4,rm5]，m＝1,2,3,4,rmi表示对于指标m评价对象能够被评为V中结果i的隶属度；步骤7、计算总评价隶属度；步骤8、对评价结果集合V中的各评价等级进行赋值，取V＝[v1,v2,v3,v4,v5]，且v1>v2>v3>v4>v5,计算最终的群控调度指标Ri为总评价隶属度中各元素。 2.根据权利要求1所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，所述电梯的忙碌程度模式包括：空闲模式、轻度忙碌模式、中度忙碌模式和重度忙碌模式，选取作为空闲模式，作为轻度忙碌模式，作为中度忙碌模式，作为重度忙碌模式，c1、c2、c3为忙碌程度区分值。 3.根据权利要求1所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，所述训练样本集包括上行模式样本集、下行模式样本集、层间模式样本集和混合模式样本集合，所述训练样本集的样本输入均为进门厅客流量比重i1、出门厅客流量比重i2和电梯层间客流量i3；所述训练样本集的期望输出为系数M，其中上行模式样本集M＝1，下行模式样本集M＝2，层间模式样本集M＝3，混合模式样本集M＝4。 4.根据权利要求3所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，进门厅客流量比重i1、出门厅客流量比重i2和电梯层间客流量i3分别具体为：式中，x1表示规定时间段内电梯总客流量，x2表示规定时间段进一楼门厅总客流量，x3表示规定时间段出一楼门厅总客流量，x4表示规定时间段电梯层间总客流量。 5.根据权利要求1所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，所述自适应神经模糊推理模型包括5层：第一层为输入层，共有3个节点，分别表示进门厅客流量比重i1、出门厅客流量比重i2和电梯层间客流量i3，输入层用于将输入信号模糊化，计算输入信号对模糊集合的隶属度，表达式为：式中，x＝1,2,3,y＝1,2,…,n，ix表示输入信号，Ixy表示各模糊集，表示模糊集的隶属函数；第二层为规则推理层，用于计算各条模糊规则的激励强度wy，计算公式为：式中,y＝1,2,…,n；第三层为归一化层，用于计算第y条规则的激励强度wy与全部规则激励强度之和∑wy的比值，计算公式为：式中,y＝1,2,…,n；第四层用于计算各条模糊规则的输出量，计算公式为：式中,y＝1,2,…,n,py、qy、jy和ry表示第y条规则对应各输入信号的结论参数；第五层为输出层，计算所有规则总输出T5，表示输出系数M，计算公式为： 6.根据权利要求1所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，自适应神经模糊推理模型输出值与交通流模式的对应关系为： M 交通流模式 M＜1.5 上行模式 1.5≤M＜2.5 下行模式 2.5≤M＜3.5 层间模式 M≥3.5 混合模式 7.根据权利要求1所述的基于交通流和自适应神经模糊推理的电梯群控调度方法，其特征在于，总评价隶属度的计算公式具体为：式中，Wij为权重向量，K为隶属度矩阵，具体为：
所属类别：	发明专利