基于粒子群优化算法的电梯群控系统的调度研究

论文摘要

随着高层建筑和智能化建筑的不断发展,电梯作为垂直运输工具得到了越来越广泛的应用,人们对电梯服务质量也提出了比较高的要求,单部电梯已不能满足建筑内的交通需求,为缩短人们的候梯时间和乘梯时间,减少能源的损耗,需要合理安装多部电梯。对于多部电梯的控制,需要一个优化调度系统,这种多部电梯的优化调度系统,就是电梯群控系统。它采用优化的控制策略来管理多部电梯协调运转,以提高电梯的运行效率和服务质量。由于电梯群控系统的控制目标多样性,且本身所具有的随机性和非线性,因此它是一个比较难解决的多目标优化问题。文中分析和研究了电梯群控系统的系统特性、性能评价指标及大楼内的交通模式,总结了现有的电梯群控算法。在此基础上,提出了以减少平均候梯时间、减少平均乘梯时间以及降低系统运行能耗三个评价指标的加权平均作为电梯调度的综合评价函数,并根据不同交通模式调整三个加权系数。研究了粒子群优化算法及多目标粒子群优化算法,以粒子群优化算法为框架,以适应度函数设计为核心,将多目标粒子群优化算法应用到电梯群控中。用基于粒子群优化算法来实现三个控制目标的求解,实现不同交通模式下对电梯群控系统的智能调度。在Windows 2000/XP环境下,利用Visual Basic6语言编制电梯群控系统的动态性能分析软件,构建了电梯群控系统的开发结构,该开发结构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有效的仿真平台。最后利用该开发结构对所设计的群控算法进行了仿真测试,仿真结果表明,基于粒子群优化的电梯群控系统能在不同的交通模式下对电梯群进行调度。平均侯梯时间、平均乘梯时间及系统运行能耗比传统群控算法都有了明显的降低,提高了系统的寻优效率,增加了乘客的满意度,达到了系统节能的目的。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 电梯群控系统概述
• 1.1.1 电机群控系统的起源
• 1.1.2 电梯群控的发展
• 1.2 国内外电梯群控算法的研究现状
• 1.2.1 基于专家系统的电梯群控
• 1.2.2 基于模糊逻辑的电梯群控
• 1.2.3 基于遗传算法的电梯群控
• 1.2.4 基于神经网络的群控方式
• 1.2.5 基于模糊神经网络的电梯群控
• 1.3 课题背景、目的及意义
• 1.4 论文研究的主要内容
• 1.5 主要内容安排
• 1.6 小结
• 第2章 电梯群控系统的工作原理及构成
• 2.1 电梯群控系统的工作原理
• 2.2 电梯群控系统的构成
• 2.2.1 硬件结构
• 2.2.2 软件结构
• 2.3 小结
• 第3章 电梯群控系统的特征描述
• 3.1 乘客对电梯群控系统的要求
• 3.2 电梯群控系统的特性
• 3.2.1 控制的多目标性
• 3.2.2 电梯群控的不确定性
• 3.2.3 电梯群控的非线性
• 3.2.4 电梯群控的扰动性
• 3.2.5 电梯群控中信息的不完备性
• 3.3 电梯群控系统的控制模式
• 3.4 电梯群控系统的性能评价指标
• 3.4.1 时间评价指标
• 3.4.2 能耗评价指标
• 3.4.3 乘客状态评价指标
• 3.4.4 乘客的容忍度评价指标
• 3.5 电梯群控系统的特征值
• 3.6 小结
• 第4章 电梯群控系统的客流交通模式分析
• 4.1 办公大楼的交通模式
• 4.2 不同交通模式下的群控调度策略
• 4.2.1 高峰交通模式下的调度策略
• 4.2.2 空闲交通模式下的调度策略
• 4.2.3 层间交通模式下的调度策略
• 4.3 小结
• 第5章 粒子群优化算法
• 5.1 基本粒子群算法
• 5.1.1 基本PSO 算法概述
• 5.1.2 基本PSO 算法原理
• 5.1.3 基本PSO 算法流程
• 5.1.4 基本PSO 算法参数性能分析
• 5.1.5 基本PSO 算法与传统优化算法的比较
• 5.2 多目标粒子群算法
• 5.3 小结
• 第6章 基于粒子群优化的多目标电梯群控系统建模
• 6.1 多目标优化问题的数学模型
• 6.2 电梯群控系统的多目标设计
• 6.2.1 电梯群控系统多目标简介
• 6.2.2 多目标电梯群控系统的数学模型
• 6.3 电梯群控系统中多目标粒子群优化算法设计
• 6.3.1 编码
• 6.3.2 该算法目标函数的约束条件
• 6.3.3 适应度函数设计
• 6.3.4 电梯群控系统多目标粒子群算法流程
• 6.4 小结
• 第7章 电梯群控系统的软件开发与仿真
• 7.1 电梯群控系统动态性能分析流程图
• 7.2 电梯群控动态性能分析
• 7.2.1 动态性能分析环境参数
• 7.2.2 动态性能分析前提条件
• 7.2.3 动态性能分析结构图
• 7.3 仿真实现与分析
• 7.3.1 仿真实现
• 7.3.2 仿真结果分析
• 7.4 小结
• 第8章 结论与展望
• 8.1 结论
• 8.2 工作研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果