電梯群控系統(tǒng)研究綜述

電梯群控系統(tǒng)研究綜述

1電梯群控制策略第一個使用的乘用電塔出現(xiàn)在18世紀90年代末。1889年，otis在紐約成功安裝了直式升降。這是世界上第一個基于直覺動機的發(fā)電電梯，誕生了真正的乘用電塔。電梯驅(qū)動程序的發(fā)展經(jīng)歷了直流電機驅(qū)動的控制、單速電機驅(qū)動的控制、雙速電機驅(qū)動的控制、直流電機無齒輪強制控制、交流壓力電壓監(jiān)控的控制、交流磁速監(jiān)測的控制、交流磁速監(jiān)測的控制和交流磁速監(jiān)測的控制。隨著第一個半自動化電梯控制器在19世紀20年代的使用,原始的服務(wù)員執(zhí)守工作方式已減少為一個開關(guān)門的操作.直到1950年,由電力機械繼電器系統(tǒng)組成的全自動電梯控制器的應(yīng)用取消了服務(wù)員執(zhí)守.到20世紀70年代,基于微處理器的電梯控制器得到廣泛應(yīng)用,使得更為復(fù)雜的調(diào)度算法的實施成為可能,由此產(chǎn)生了電梯群控的概念.電梯操縱控制方式經(jīng)歷了手柄開關(guān)操縱、按鈕控制、信號控制、集選控制等過程,對于多臺電梯則出現(xiàn)了并聯(lián)控制、智能群控等.隨著智能控制技術(shù)在電梯群控系統(tǒng)中的廣泛應(yīng)用,電梯交通系統(tǒng)和其他設(shè)施融為一體,智能建筑的整體功能得以充分發(fā)揮.對高層及超高層建筑電梯交通系統(tǒng)的研究表明:電梯交通系統(tǒng)設(shè)計的關(guān)鍵是滿足乘客生理上和心理上的承受力.有效地解決高層建筑復(fù)雜的樓內(nèi)垂直交通,尋求優(yōu)化的控制策略,優(yōu)化調(diào)度多部電梯以提高電梯的運行效率和服務(wù)質(zhì)量,成為許多學(xué)者研究的重要課題.2電梯群控技術(shù)的發(fā)展歷程第1階段是1949年～1971年.1971年以前,是電梯群控技術(shù)的初級階段,采用的是繼電器時序控制和預(yù)選分區(qū)控制,轎廂指派方式為區(qū)間指派方式.這種方式可適當(dāng)解決高峰期間梯群中的各個轎廂沿井道的均布問題.缺點是:轎廂花費太多的時間在端站候梯指派,且轎廂在候梯指派時通常處于閑置狀態(tài),同時轎廂頻繁地在端站樓層無目的地運行也不利于節(jié)能.由Otis研制的繼電器群控系統(tǒng),于1949年安裝于紐約聯(lián)合國大廈.第2階段是1971年～1975年.硬件采用了集成電路.可以進行較為復(fù)雜的邏輯計算.這一時期采用的調(diào)度方式是針對每一個具體的呼梯信號指派電梯,當(dāng)一個層站呼叫注冊后,系統(tǒng)根據(jù)交通情況和各轎廂的狀態(tài),選擇合適的電梯為這個層站呼叫提供服務(wù),控制方式是候梯時間控制.這個階段主要是應(yīng)用數(shù)理統(tǒng)計的方法研究電梯群控系統(tǒng)的統(tǒng)計特性,這是電梯群智能控制的重要基礎(chǔ).第3階段是1975年～1988年.計算機應(yīng)用于電梯群控標志著現(xiàn)代電梯群控階段的開始.著重研究電梯群控系統(tǒng)的動態(tài)特性,控制方式主要是最小候梯時間控制和綜合評價函數(shù)控制.在第2階段的呼梯-分配系統(tǒng)中增加了綜合評價系統(tǒng),采用了包括候梯時間、長候梯率及預(yù)測誤差率在內(nèi)的多因素作為評價指標,改變了系統(tǒng)對于時變的交通量適應(yīng)性差的缺點.從1988年至今,是電梯群控技術(shù)的快速發(fā)展階段,具有代表性的是三菱公司于1989年開發(fā)的AI-2100系統(tǒng).標志是基于計算機及其網(wǎng)絡(luò)的人工智能技術(shù)的應(yīng)用,即:專家系統(tǒng)技術(shù)、模糊邏輯技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、模糊神經(jīng)網(wǎng)絡(luò)技術(shù)、進化算法(如遺傳算法、免疫算法)等技術(shù)的應(yīng)用.國內(nèi)外一些大學(xué)及研究機構(gòu)紛紛加入電梯群控技術(shù)的研究領(lǐng)域,我國電梯群控技術(shù)文獻最早見于1990年.3電梯群的調(diào)度問題電梯群控系統(tǒng)(ECGS)是指將安裝在建筑物內(nèi)的3臺或3臺以上的一組電梯作為一個有機整體,使用一個自動控制系統(tǒng)調(diào)度每一臺電梯的運行,目的是提高垂直交通系統(tǒng)的運行效率,以較短的候梯時間和運行時間為乘客提供服務(wù),以提高對乘客的服務(wù)質(zhì)量,并減少能耗.傳統(tǒng)的群控算法只有一個目標,即最小候梯時間.在現(xiàn)代高層建筑的一些特定交通模式下,不可能要求每一部電梯服務(wù)每一個樓層,因為這樣會使每一部轎廂在其運行過程中停站數(shù)量大大增加,使電梯的運行周期變長,系統(tǒng)總體性能將隨之變差.因此電梯群控技術(shù)的研究具有重要的現(xiàn)實意義.電梯服務(wù)過程可以描述為:在隨機的時間和樓層,乘客隨機地到達電梯前廳,發(fā)出上行或下行的層站呼叫,直到乘客進入轎廂按下轎廂呼叫按鈕之前,其目的層是不確定的,而調(diào)度程序必須以一種基于全局系統(tǒng)優(yōu)化的方式,通過選擇轎廂運動方向,對所有指派給它的當(dāng)前方向上的層站呼叫提供服務(wù).電梯群的調(diào)度問題,實質(zhì)上是一個在變化環(huán)境下的在線調(diào)度、資源配置及隨機最優(yōu)控制的組合優(yōu)化問題,對該問題復(fù)雜性的研究表明,電梯群的調(diào)度問題屬于NP-hard問題.電梯指派發(fā)生時,重要的性能指標是乘客平均候梯時間、系統(tǒng)服務(wù)時間和系統(tǒng)響應(yīng)時間(見圖1).電梯調(diào)度的目標是對群控系統(tǒng)時間序列性能指標的優(yōu)化.但優(yōu)化上述任何一個指標都非常困難,至少有3個原因:1)系統(tǒng)的狀態(tài)空間非常龐大.如果建筑物層數(shù)為N(≥2),服務(wù)的電梯數(shù)為M(≥1),則系統(tǒng)的最大狀態(tài)數(shù)為22(N-1)[(3N-2)·2N]M,最大調(diào)度方案數(shù)為M2N-2,易于產(chǎn)生組合爆炸.由于系統(tǒng)是以轎廂的位置、方向、速度、轎廂內(nèi)乘客數(shù)量、每個層站候梯的乘客數(shù)量等來描述的,因此,一個優(yōu)化的調(diào)度程序在決定對一個新到達的乘客提供服務(wù)時,必須考慮所有這些信息.2)系統(tǒng)的動態(tài)特性伴隨著許多的不確定性.當(dāng)一個轎廂的運動由其當(dāng)前的調(diào)度程序完全確定的同時,調(diào)度程序經(jīng)常會發(fā)生變化,原因是這種到達過程是一個隨機過程.乘客到達事件包含4種類型的不確定性:到達時間、候梯人數(shù)、到達樓層和乘客的最終到達樓層.3)再指派策略的實施問題.如果調(diào)度程序允許撤銷先前的指派并且繼續(xù)重新給轎廂指派任務(wù),必須在短時間內(nèi)考慮一個變更的任務(wù)指派,該模式稱為再指派策略.其相反的模式是即時指派策略,即當(dāng)派遣程序已經(jīng)做出就不再考慮重新的任務(wù)指派.4電梯組網(wǎng)絡(luò)系統(tǒng)的組成和研究現(xiàn)狀4.1電梯群控系統(tǒng)設(shè)計電梯群控系統(tǒng)是典型的動態(tài)離散事件系統(tǒng),系統(tǒng)的建模、分析、優(yōu)化都較為復(fù)雜.調(diào)度策略所面臨的問題是基于當(dāng)前的狀態(tài)和歷史數(shù)據(jù),找到一個派遣程序來決定什么時間、地點,轎廂應(yīng)運行、停止或轉(zhuǎn)向.對于辦公建筑主要是使乘客平均候梯時間最小,此問題難于處理的原因包括:多轎廂的協(xié)同問題,滿足轎廂的運動約束、狀態(tài)信息的不完整和不確定以及時變的交通量.電梯群控系統(tǒng)的隨機性、非線性和控制目標多樣性,使傳統(tǒng)控制方法很難提高系統(tǒng)的性能指標.因此調(diào)度算法和評價指標對于EGCS是至關(guān)重要的.電梯群控系統(tǒng)的設(shè)計主要應(yīng)考慮如下問題:1)電梯動態(tài)特性:額定速度、加速度、運動時間、加載/卸載乘客數(shù)量;2)評價準則:平均候梯時間、長候梯率、能耗統(tǒng)計值;3)評價方法:主要有仿真方法、模糊專家系統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)方法;4)層站呼叫指派方法(HCAM):當(dāng)一個新的層站呼叫發(fā)生時,HCAM需完成3個步驟:輸入當(dāng)前交通條件、性能預(yù)測及確定服務(wù)轎廂;5)交通量的自適應(yīng)性:用已知的當(dāng)前交通數(shù)據(jù)預(yù)測層站呼叫的發(fā)生情況,估計可能的指派而后作出決策;6)再指派能力:根據(jù)最新的系統(tǒng)條件重新作出指派,這也是當(dāng)今備受關(guān)注的一個問題.電梯群控系統(tǒng)首先要做的工作是對交通模式分類.一般認為,電梯交通系統(tǒng)的乘客到達可以近似地認為服從Poisson分布.在此基礎(chǔ)上,將電梯的交通類型分成如下幾個模式:1)上行高峰交通模式:所有的乘客均由建筑物底層(基站)大廳進入轎廂,當(dāng)電梯把乘客送至各自的目的層后,直接返回基站,重復(fù)執(zhí)行運送基站乘客的工作;2)午餐交通模式:所有乘客到底層用餐之后返回各自的樓層;3)下行高峰交通模式:所有乘客都運行至基站;4)層間交通:層間可能性的交通;5)空閑交通:樓層的客流稀少,不足以使用全部電梯,而讓其余的電梯正常服務(wù).其中上行高峰與下行高峰不是簡單的順序倒置.下行高峰有多個到達(起始)樓層,而只有一個目的層;上行高峰僅有一個到達樓層而有多個目的樓層.這種區(qū)分的意義在于準確估計乘客平均候梯時間.交通模式的識別是電梯群控系統(tǒng)的一項重要內(nèi)容,是調(diào)度策略優(yōu)化的必要前提.4.2電梯群的運行控制早期基于繼電器控制器的集選控制方法,轎廂通常停留在沿其運行方向上最近的呼叫發(fā)生處.其缺點是無法回避多電梯扎堆問題,使得時間間隔、平均候梯時間變大.電梯群的運行控制是一個多輸入/多輸出的多目標決策過程,應(yīng)根據(jù)不同的建筑物交通模式采用不同的調(diào)度方法.4.2.1電梯動態(tài)分區(qū)這是電梯群控常見的方法,一般分為靜態(tài)分區(qū),按時間表分區(qū)和動態(tài)分區(qū).靜態(tài)分區(qū)是根據(jù)電梯臺數(shù)和建筑物層數(shù)將電梯劃分為固定的運行區(qū)域,調(diào)度一組轎廂服務(wù)于通常毗鄰的樓層,各部電梯僅響應(yīng)本分區(qū)內(nèi)的層站呼叫.不足之處是層站呼叫的隨機性容易造成梯群中的電梯忙閑不均.按時間表分區(qū)是按預(yù)制的時間段進行分區(qū),這個時間段通常與高峰交通或交通擁擠時段恰好吻合,且電梯在一天當(dāng)中剩下的時間服務(wù)于全部樓層.由于這些方法難以適應(yīng)時變的交通特性,因此對動態(tài)分區(qū)的研究便顯得十分必要.動態(tài)分區(qū)是按照一定的順序把電梯服務(wù)區(qū)域連成環(huán)形,每臺電梯的服務(wù)區(qū)域隨電梯的位置和運行方向作順時變化,以解決上述電梯忙閑不均的現(xiàn)象.但由于電梯位置、轎廂內(nèi)人數(shù)和響應(yīng)呼梯信號的速度不同,有時會造成電梯配置不盡合理.從基于高峰交通的動態(tài)分區(qū)理論可知,運行周期和乘客乘載能力兩個方面均有所進步.而綜合動態(tài)分區(qū)的概念已經(jīng)拓展到包括隨機層間交通條件,高峰狀態(tài)變?yōu)樘厥馇闆r:利用不等的層間交通量的通用交通條件,得出適合于指派到每個分區(qū)中的每一個轎廂的“等效運行周期”,再利用遺傳算法優(yōu)化轎廂等效運行周期的成本函數(shù),從而選擇電梯的最佳分區(qū).4.2.2非推動模式下的電梯改革方案搜索算法是指在可能的調(diào)度方案中,搜索滿足約束條件的最優(yōu)方案.從搜索結(jié)果是否可以變更的意義上可分為貪婪收索算法和非貪婪搜索算法.貪婪算法:當(dāng)層站呼叫首次注冊時,便將層站呼叫指派給某部電梯,而后不再考慮對該呼叫的指派.其約束條件是候梯時間、行程時間和轎廂擁擠度加權(quán)和最小.因為該方法以響應(yīng)最快為貪婪準則,所以缺少靈活性,使指派電梯改組變得困難.非貪婪算法:在每個呼梯事件發(fā)生后,對于新到達乘客的轎廂指派進行大量的搜索,允許推遲任務(wù)指派或者根據(jù)新增層站呼叫或乘客目的層站信息對層站呼叫再指派.主要有FIM算法,ESA算法和DLB算法,其中,FIM的約束條件是候梯時間的平方和最小;ESA的約束條件是當(dāng)前擁擠時間最小.二者都僅適合于下高峰交通方式.DLB算法以平衡轎廂乘客荷載的方式,通過均勻地將比鄰的相互不重疊的分區(qū)分配給每一個轎廂來保持轎廂均勻分布.此外,還有遺傳算法、模擬退火算法以及局內(nèi)調(diào)度算法等.4.2.3模糊理論處理高時發(fā)現(xiàn)從一定的意義上講,所有的控制策略都是基于規(guī)則的.隨著基于預(yù)測函數(shù)的調(diào)度方式的進展,研究者基于對候梯時間的預(yù)測,對這一主流控制方法進行了改進.利用專家系統(tǒng)的方法和模糊理論處理高峰時間交通狀況;根據(jù)專家規(guī)則確定當(dāng)前占主導(dǎo)地位的交通模式,之后發(fā)布事先定義好的與這種模式相應(yīng)的調(diào)度決策.由于交通模式的時變性、專家知識的獲取、不一致性的描述以及維護潛在的規(guī)則集合等問題,使得專家系統(tǒng)的應(yīng)用變得困難.基于上述原因,模糊邏輯、模糊規(guī)則的使用在20世紀90年代變得非常流行.模糊邏輯用于描述交通模式,模糊規(guī)則包含在專家系統(tǒng)中用來實施更具有彈性的推理機制.4.2.4基于閾值的模型優(yōu)化算法隨機性是事件發(fā)生與不發(fā)生的因果律破壞而造成的一種不確定性.多種可能的結(jié)果會呈現(xiàn)一定的規(guī)律.電梯群控系統(tǒng)統(tǒng)計特性與動態(tài)特性都是其隨機特性的表現(xiàn),因此可應(yīng)用隨機過程的理論解決電梯群控優(yōu)化問題.乘客到達過程是一個隨機過程,由3個關(guān)鍵的隨機變量來描述:到達時間、到達樓層和期望目的層,這些不確定性是決定由哪個轎廂向乘客提供服務(wù)的依據(jù).根據(jù)決策過程不確定性的類型將乘客分成幾種類型:新到乘客、已到達乘客和未到達乘客.基于此,將電梯群的調(diào)度問題歸結(jié)為一個批量服務(wù)隨機排隊系統(tǒng)問題,采用基于閾值的最小化平均候梯時間指派策略,閾值與轎廂數(shù)量是線性關(guān)系,同時該方法的實施并不需要前廳乘客的隊長,所需要的是前廳可用轎廂的數(shù)量和每個轎廂中的人數(shù).閾值的確定方法為:應(yīng)用再勵學(xué)習(xí)的方法和概率模型算法,針對不同的到達率,求解動態(tài)規(guī)劃方程.5電梯群智能控制關(guān)鍵技術(shù)20世紀70年代中期,智能技術(shù)在電梯群控系統(tǒng)中得到廣泛應(yīng)用.如表1所示,模糊控制、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、進化算法、動態(tài)規(guī)劃方法、Petrinet技術(shù)以及隨機過程技術(shù)等成為電梯群智能控制的幾個關(guān)鍵技術(shù).5.1模糊邏輯模型模糊控制技術(shù)在EGCS中應(yīng)用的實質(zhì)是由專家的知識決定隸屬函數(shù)及模糊控制規(guī)則,并由此確定以后的控制行為,實現(xiàn)對每個派梯方案的評價,以得出當(dāng)前系統(tǒng)中符合性能指標要求的最佳方案.三菱公司的電梯控制系統(tǒng)首先使用了模糊邏輯,在層站呼叫按鈕按下后即可選擇適當(dāng)?shù)目刂埔?guī)則.模糊邏輯隨后用于識別基于人流密度、進\出客流量及層內(nèi)的交通流量的交通模式.比較典型的是確定區(qū)域密度的二級模糊邏輯模型.對處理電梯交通系統(tǒng)隨機性,模糊控制技術(shù)在電梯控制系統(tǒng)中顯示了高度的優(yōu)越性.電梯群控系統(tǒng)中模糊邏輯的應(yīng)用主要有以下幾個方面:1)模糊推理:根據(jù)模糊規(guī)則進行推理,選出響應(yīng)層站呼梯信號的最佳轎廂;2)模糊預(yù)測:對電梯的狀態(tài)進行預(yù)測,從而選出最佳運行方案;3)交通模式識別:根據(jù)客流密度、進出人數(shù)、層間客流情況進行交通模式識別;4)與人工神經(jīng)網(wǎng)絡(luò)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò),用于交通模式識別和調(diào)度策略優(yōu)化;5)利用模糊技術(shù)在監(jiān)視系統(tǒng)的圖像理解和處理中確定乘客人數(shù);6)根據(jù)轎廂質(zhì)量傳感器所示質(zhì)量,使用模糊技術(shù)確定橋廂內(nèi)乘客人數(shù).圖2為具有模糊邏輯的電梯群控系統(tǒng)FLEX-8800.為得到電梯最優(yōu)調(diào)度,系統(tǒng)使用了多評價指標的多級模糊規(guī)則完成多級決策.呼梯分配系統(tǒng)中增加一個綜合評價系統(tǒng),包括候梯時間、長時間候梯率及預(yù)測誤差率評價指標閾值.與傳統(tǒng)的系統(tǒng)相比,平均候梯時間減少了15%～25%,超過1min的長候梯率減少了48%～80%,轎廂到達的預(yù)報準確率提高了60%～80%.存在的問題是,盡管專家知識可以更好地處理電梯系統(tǒng)的多目標性、隨機性和非線性,但由于隸屬函數(shù)加權(quán)系數(shù)不會根據(jù)不同交通模式而改變,無法自學(xué)習(xí),運行時無法修正規(guī)則,因而使系統(tǒng)性能受專家知識影響很大.5.2電梯群數(shù)控系統(tǒng)的應(yīng)用神經(jīng)網(wǎng)絡(luò)具有非線性、非局限性及動態(tài)性的特點和較強的學(xué)習(xí)功能.1994年神經(jīng)網(wǎng)絡(luò)技術(shù)開始引進電梯群控系統(tǒng).神經(jīng)網(wǎng)絡(luò)在電梯群控系統(tǒng)中的應(yīng)用主要有兩方面:建筑物交通模式的識別和電梯調(diào)度策略優(yōu)化.5.2.1指定目標區(qū)域1)將特定建筑物若干天的交通數(shù)據(jù)存儲起來,從中提取特征數(shù)據(jù).系統(tǒng)以一定的采樣周期采集信息作為樣本,對一個指定的周期使用特征數(shù)據(jù)重復(fù)地訓(xùn)練神經(jīng)網(wǎng)絡(luò),直到滿足收斂條件;2)在實施范圍內(nèi),借助于最新編制的神經(jīng)網(wǎng)絡(luò)識別出交通模式;3)根據(jù)識別出的交通模式實現(xiàn)相應(yīng)的有效操作,選出最佳派梯方案.通過輸入數(shù)據(jù)的不斷訓(xùn)練學(xué)習(xí),獲得對新交通條件的適應(yīng)能力,應(yīng)用最小候梯時間的性能判據(jù),選擇合適的交通模式,使系統(tǒng)選擇最佳的層站呼叫分配算法.5.2.2神經(jīng)網(wǎng)絡(luò)的問題利用神經(jīng)網(wǎng)絡(luò)能夠確定5種共同的交通模式:1)上行高峰;2)下行高峰;3)脫離高峰;4)單程運行;5)雙程運行.存在的問題是:神經(jīng)網(wǎng)絡(luò)是一種黑箱式結(jié)構(gòu),全局優(yōu)化逼近能力受到制約.由于神經(jīng)網(wǎng)絡(luò)實施的前提是將某些類型的神經(jīng)網(wǎng)絡(luò)儲存起來,以實時采集到的交通數(shù)據(jù)為基礎(chǔ),所以會出現(xiàn)重復(fù)學(xué)習(xí)的過程.另外電梯系統(tǒng)是多狀態(tài)的,為得到最優(yōu)的輸入/輸出映射,使用單純的神經(jīng)網(wǎng)絡(luò)會使其結(jié)構(gòu)相當(dāng)龐大,網(wǎng)絡(luò)的離線和在線學(xué)習(xí)時間都會較長,使控制部分的收斂性變差,同時網(wǎng)絡(luò)結(jié)構(gòu)的合理改變難以驗證.5.2.3建立和使用步驟糊神經(jīng)網(wǎng)絡(luò)(FNN)是將神經(jīng)網(wǎng)絡(luò)與模糊邏輯二者有機結(jié)合,采用神經(jīng)網(wǎng)絡(luò)技術(shù)進行模糊信息處理,使得模糊規(guī)則的自動提取及模糊隸屬函數(shù)的自動生成成為可能,進而克服神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定以及模糊邏輯無自學(xué)習(xí)功能的缺點,使模糊系統(tǒng)成為一種自適應(yīng)系統(tǒng).模糊神經(jīng)網(wǎng)絡(luò)的建立和使用步驟如下:1)利用專家知識概略地形成模糊模型;2)基于這一模糊模型構(gòu)成模糊神經(jīng)網(wǎng)絡(luò);3)訓(xùn)練神經(jīng)網(wǎng)絡(luò),采集特定的交通數(shù)據(jù)作為樣本,采用相應(yīng)算法進行學(xué)習(xí),調(diào)整神經(jīng)網(wǎng)絡(luò)必要的權(quán)值,以得到優(yōu)化的模糊規(guī)則;4)網(wǎng)絡(luò)的應(yīng)用.網(wǎng)絡(luò)的輸入數(shù)據(jù)是在統(tǒng)計數(shù)據(jù)和實時數(shù)據(jù)的基礎(chǔ)上進行預(yù)測得到的,這就要求實時地采集數(shù)據(jù),周期性地統(tǒng)計和存諸數(shù)據(jù).預(yù)測到神經(jīng)網(wǎng)絡(luò)的輸入后,經(jīng)過網(wǎng)絡(luò)的計算,在較精確地識別出交通模式之后,對不同的模式采取適合其特點的相應(yīng)控制算法,選出派梯方案.圖3是東芝公司的模糊神經(jīng)網(wǎng)絡(luò)電梯群控系統(tǒng)EJ-1000FN.將模糊邏輯作為電梯系統(tǒng)性能預(yù)測模型,以模糊規(guī)則的集合形式存儲控制參數(shù)與電梯系統(tǒng)響應(yīng)的關(guān)系,用模糊推理的方式預(yù)測系統(tǒng)的性能,在性能調(diào)整函數(shù)中使用預(yù)測模型,以獲得當(dāng)前交通條件下最佳的控制參數(shù).5.2.4模糊控制的特性.模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用,使得自動適應(yīng)各種不同的交通條件成為可能,乘客候梯時間可以保持在較小的數(shù)值.借助于模糊推理的數(shù)據(jù)整理分析,使得針對交通量的變化具有較好的魯棒性.另一方面,神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力使得系統(tǒng)適應(yīng)于長期間內(nèi)的交通量變化.系統(tǒng)能夠適應(yīng)建筑物內(nèi)的各種條件變化,與模糊控制相比平均候梯時間減少了10%,長候梯率減少了20%,并有效地控制了扎堆現(xiàn)象.5.3電梯群控中的“if-主要系統(tǒng)”專家系統(tǒng)主要研究用于處理復(fù)雜系統(tǒng)工程技術(shù)問題的知識表示、使用和獲取的方法,依靠經(jīng)驗的、尚未形成科學(xué)體系的領(lǐng)域?qū)＜抑R對系統(tǒng)進行控制.專家系統(tǒng)在電梯群控中的應(yīng)用始于20世紀90年代.專家系統(tǒng)通過使用標準的程序包,設(shè)置原始型電子數(shù)據(jù)表格,模擬輸入交通量,其結(jié)果被動態(tài)地連接到仿真器上,以顯示轎廂的運動,并由連接到交通傳感系統(tǒng)的專家系統(tǒng)不斷地計算以調(diào)整優(yōu)化轎廂運動.專家知識用“If-Then”形式規(guī)則歸納成基本規(guī)則,“If”部分用于產(chǎn)生式規(guī)則的推理部分,模糊條件作為模糊規(guī)則加以存儲.系統(tǒng)由群控規(guī)則處理分析部分、群控管理實施及系統(tǒng)存儲器組成.5.3.1基于模糊知識獲取的電梯控制器設(shè)計1)利用模糊理論解決“模糊表達式”的定性知識和基于經(jīng)驗規(guī)則的表達.2)在線和實時控制問題,具有即時決策功能的電梯群控制器必須具有較短的響應(yīng)時間(100～150ms).這個時間表達了在輸入電梯狀態(tài)數(shù)據(jù)、轎廂呼叫數(shù)據(jù)或?qū)诱竞艚袛?shù)據(jù)后輸出控制命令所需要的時間.3)知識處理系統(tǒng)的構(gòu)成.群控制器以適合于知識表達形式的知識數(shù)據(jù)表達專家系統(tǒng),交通數(shù)據(jù)和知識數(shù)據(jù)通過模糊推理機、或規(guī)則選擇器、或規(guī)則執(zhí)行器,作為控制命令來輸出需要的結(jié)論.分為基于產(chǎn)生式規(guī)則的電梯專家系統(tǒng)和基于模糊規(guī)則的電梯專家系統(tǒng).4)知識獲取.一種方法是電梯運行最優(yōu)化的數(shù)學(xué)分析法,基于過去的交通數(shù)據(jù)在計算機上生成建筑物的交通量,由模擬退火算法找到對應(yīng)交通量的最優(yōu)指派轎廂,然后將該結(jié)果與傳統(tǒng)方法進行仿真比較,形成最優(yōu)運行的調(diào)度方法;另一種方法是組織知識并通過群控仿真器測試,獲得最優(yōu)運行的調(diào)度方法.5)規(guī)則分組.根據(jù)應(yīng)用的電梯群控系統(tǒng)將規(guī)則進行分類,一組針對一個新的層站呼叫注冊的規(guī)則,另一組則不考慮是否有層站呼叫的發(fā)生.6)知識表達,即產(chǎn)生式規(guī)則表達方式.5.3.2a.理念特點富士通的FLEX8800,日立的CIP52000,三菱的A1-2100,AI-2200都使用了專家系統(tǒng)技術(shù).其中A1-2200與AI-2100相比,平均候梯時間,在上高峰期間,降低15%～30%,其他時間降低10%～20%;超過60s的長候梯率,在上高峰期間,降低30%～60%,其他時間降低20%～40%.5.4遺傳技術(shù)5.4.1電梯調(diào)度問題的遺傳算法求解遺傳算法是一種全局優(yōu)化算法,具有方法簡單、魯棒性強、并行性等特點.基于與設(shè)計有關(guān)的調(diào)度、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、維護等難以處理的問題,人們嘗試用遺傳算法來解決電梯調(diào)度問題.其中,染色體表示的是給定方案初始種群,是電梯調(diào)度問題的一組可能解,適應(yīng)度則是根據(jù)每個方案來計算乘客候梯時間而估計獲得的.遺傳算法中的隨機搜索通常比那些通過預(yù)先定義的調(diào)度規(guī)則集合產(chǎn)生的調(diào)度方案要好.5.4.2電梯交通垂直運輸?shù)慕鉀Q方案1)創(chuàng)建一個由一部電梯遠程控制并用以滿足所有要求的起始人數(shù)的方案.2)開始進化演變,以評價來源于“新一代”的每個新產(chǎn)生的方案,隨后將選擇的被復(fù)制的方案進行模擬、預(yù)演、評估,以獲得相關(guān)記錄.在電梯交通垂直運輸問題上,遺傳算法能夠依據(jù)其相對最小候梯時間的“適應(yīng)性”記錄每一方案.3)選擇相關(guān)的部分方案.基因組一旦經(jīng)過評價,通過選擇過程,選擇那些能夠?qū)⑵浠蝾愋蛡鬏斀o下一代的個體.4)由復(fù)制品方案組成,常使用的算法是“交叉”和“變異”,交叉使得第一代最好的品質(zhì)涵蓋其衍生代中.5)一個重復(fù)的過程.最終優(yōu)化的方案在幾代以后才能確定(依據(jù)概率),占用了更多時間的過程是對解決方案的評價.5.4.3系統(tǒng)的主要功能遺傳算法于1993年應(yīng)用于日立公司高速乘客電梯NPX-8000的FI系列電梯群控系統(tǒng).其中,FI-340G系統(tǒng)具有4種功能:1)學(xué)習(xí)功能:從層站呼叫處采集層站呼叫和交通量需求數(shù)據(jù),用于學(xué)習(xí)特定的交通量需求;2)智能化功能:生成最有效的多目標操作程序;3)操作功能:基于事先輸入的多目標控制模式指派層站呼叫;4)信息功能:包括至少4種特性的LED顯示,顯示正在提供服務(wù)的電梯狀態(tài)參數(shù)以引導(dǎo)乘客.文獻的研究表明,每個時間段依次回答呼叫響應(yīng)的百分率分別為:在0～10s的時間段記錄中,通過微處理器應(yīng)答的百分率為49%,而使用GA算法則增加到59%;在10～20s的時間段也增加了5%.5.5基于petri網(wǎng)的電梯群控系統(tǒng)動態(tài)調(diào)度方法Petri網(wǎng)技術(shù)是由德國的Petri博士于1962年提出的一種研究信息系統(tǒng)及其相關(guān)系數(shù)的數(shù)學(xué)模型.經(jīng)過30多年的發(fā)展,Petri網(wǎng)技術(shù)日臻完善,它能較好地描述系統(tǒng)的結(jié)構(gòu),表示系統(tǒng)中并行、同步、沖突及因果依賴等關(guān)系,并以網(wǎng)圖的形式簡潔直觀地模擬離散事件系統(tǒng),分析系統(tǒng)的動態(tài)性質(zhì).Petri網(wǎng)是電梯群控系統(tǒng)建模的有力工具.早期的Petri網(wǎng)僅適用于單部電梯的建模,直到1996年才出現(xiàn)基于Petri網(wǎng)的電梯群控系統(tǒng)動態(tài)調(diào)度方法.該方法是基于Petri網(wǎng)提出的混合多電梯系統(tǒng)模型.Petri網(wǎng)模型的4種模塊及功能分別為:1)基本運動模塊,對電梯從一層到另外一層的運行軌跡建模;2)加載/卸載模塊,用于處理呼叫狀態(tài)和加載卸載活動;3)方向倒轉(zhuǎn)模塊,在合適的時間改變電梯的運行方向;4)呼叫管理模塊,用于管理層站呼叫和轎廂呼叫以及將不同的電梯集中到一組.系統(tǒng)全部完整的模型是上述4種模型的復(fù)制組合.圖4為基于Petri網(wǎng)的電梯動態(tài)調(diào)度框圖,其成本函數(shù)為Cost=WaitingCost+RidingCost+PowerCost.該方法使一些不充分的觸發(fā)序列不生成,從而使搜索空間有效地減少,控制規(guī)則的使用滿足了人性化和期望的效率.為獲得基于Petri網(wǎng)的調(diào)度策略,采用事件驅(qū)動動態(tài)調(diào)度策略和啟發(fā)式的搜索算法,較好地處理了電梯群控系統(tǒng)的信息不充分和不確定的隨機性.由層站呼叫指派算法來估計調(diào)度結(jié)果,可確定最優(yōu)化的調(diào)度結(jié)果.存在的問題是,Petri網(wǎng)建模的狀態(tài)空間龐大,不可避免地會出現(xiàn)組合爆炸問題.盡管有的方法可以使模型獨立于建筑物規(guī)模,但所付出的計算成本是非常高的.另外,現(xiàn)有方法大都基于理想的交通條件,對用于通用交通條件的Petri網(wǎng)的研究還不多見,大多數(shù)文獻還停留在理論研究階段.5.6相同服務(wù)規(guī)則的下一步描述電梯群控系統(tǒng)的隨機行為使得隨機過程技術(shù)的應(yīng)用成為可能.針對上高峰交通條件,將電梯群控系統(tǒng)看作批量服務(wù)的排隊系統(tǒng).應(yīng)用馬爾可夫決策理論研究電梯群最優(yōu)調(diào)度是電梯群控技術(shù)的一個研究方向.將上高峰情況作為一個有限容量的單排隊模型處理,其排隊系統(tǒng)的構(gòu)成是:N部處理容量為C的電梯,乘客到達過程服從密度為λ的Poisson分布,服務(wù)規(guī)則為FCFS,每個乘客到達行為導(dǎo)致一個轎廂到達行為.其中服務(wù)臺以批量方式對乘客提供服務(wù),但處理能力不能超過C.批量運送乘客的時間服從參數(shù)為μ的負指數(shù)分布.一個轎廂把所有乘客都運送完,直接返回基站以運送更多的上高峰乘客,即為一個轎廂到達行為,表明N部轎廂中的一部待用.當(dāng)所有的乘客以固定到達率達到大廳,且不允許有其他分離樓層情況下,可以得到純上高峰交通模式的最優(yōu)化答案.但應(yīng)注意的問題是:1)Poisson過程對于中等規(guī)模的建筑是可靠的;2)采用一個服從常數(shù)μ的指數(shù)分布的模型,其服務(wù)時間往往受到運行時間、停站數(shù)量、卸載時間、關(guān)門時間和保持時間的隨機影響;3)當(dāng)?shù)竭_率較高時,RTT會隨到達率的增加而增加,導(dǎo)致乘梯時間增加,運輸效率下降.盡管馬爾可夫排隊論是解決復(fù)雜隨機服務(wù)系統(tǒng)排隊問題的有力工具,但由于純上高峰交通條件是一個理想的假設(shè),所得結(jié)果必然要受到隨機的層間交通的影響,因此,電梯群控調(diào)度問題受排隊模型的局限性較大.另外,該理論對于電梯成批服務(wù)的建模和優(yōu)化方面的研究尚處于探索階段,方法的通用性還有待于進一步研究.5.7基于rtt的電梯群控制策略電梯群控系統(tǒng)建模的途徑一般有兩種:MonteCarlo仿真和基于概率理論的運行周期模型.MonteCarlo方法通過直接并入當(dāng)前系統(tǒng)使用的群控邏輯,評價電梯群和監(jiān)控邏輯,但需要大量的仿真時間隨機地調(diào)整電梯群.而基于RTT利用排隊理論對服務(wù)進行建模,目的是獲得電梯群運行的準確預(yù)測并進行仿真.群控系統(tǒng)設(shè)計的前提是正確計算到達基站的乘客人數(shù)以及乘坐電梯轎廂內(nèi)的乘客人數(shù),以選擇合適的電梯運送這些乘客.電梯交通設(shè)計的一個基本公式是S-P方法,該法給出了在已知前廳進入轎廂的乘客人數(shù)時,轎廂在高峰情況下的可能停站數(shù),但乘客的人數(shù)還不能計算.Al-Sharif提出了S-P方法的逆標算法,即基于停站的數(shù)量對乘客的人數(shù)進行統(tǒng)計計算.隨后出現(xiàn)了RTT的改進算法,基于乘客需求量和轎廂數(shù)量計算電梯系統(tǒng)的服務(wù)參數(shù).此外,還有目的層控制技術(shù)和多智能體技術(shù).6基于模糊邏輯的電梯群控系統(tǒng)建模我國電梯群控技術(shù)的研究始于20世紀90年代,較發(fā)達國家相對遲晚,但發(fā)展趨勢很快,國內(nèi)的一些大學(xué)對電梯群控技術(shù)紛紛展開研究并取得了成果.研究內(nèi)容主要有以下幾個方面:1)電梯交通配置方法及其軟件的研究.針對不同的服務(wù)模式采用不同的評價方法,確定優(yōu)化的電梯交通配置.2)虛擬仿真環(huán)境的研究.為研究電梯群控調(diào)度方法、交通流量仿真、電梯交通配置優(yōu)化而開發(fā)的一種軟件環(huán)境.3)基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)及人工免疫技術(shù)的交通模式識別.其中具有典型意義的是利用專家知識,采用二步模糊神經(jīng)網(wǎng)絡(luò)確定交通模式的研究.4)采用隨機理論和細胞自動機理論的電梯群控系統(tǒng)建模.應(yīng)用排隊論的Ek/M/n模型描述電梯群控系統(tǒng)的行為,從而獲得系統(tǒng)的性能指標,為群控系統(tǒng)的評價以及上高峰馬爾可夫決策的實施提供支持;運用細胞自動機理論進行建模是一種新方法,由細胞自動機模型仿真電梯運動行為,對派梯隊列進行派梯控制,構(gòu)造了基于細胞自動機的電梯群控系統(tǒng)模型,再用OD矩陣法對客流進行建模分析,為群控系統(tǒng)建模提供了新思路.5)遺傳算法及模糊神經(jīng)網(wǎng)絡(luò)技術(shù)在電梯群控中的應(yīng)用研究.其中遺傳算法與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合構(gòu)成一種智能多模式調(diào)度方法:模糊表達與網(wǎng)絡(luò)學(xué)習(xí)能力,使算法能根據(jù)各種單一模式算法結(jié)果產(chǎn)生樣本數(shù)據(jù),得到與單一模式群控算法相應(yīng)服務(wù)指標相同或相近的效果,從而實現(xiàn)根據(jù)不同的交通模式合理調(diào)度電梯.而文獻是基于領(lǐng)域知識和遺傳算法的滾動優(yōu)化方法,采用逐步優(yōu)化的策略,先利用呼梯分配方法得到一個次優(yōu)解,然后利用遺傳算法進行校正.這些方法都很有研究意義.7電梯群控技術(shù)電梯群控系統(tǒng)的最優(yōu)控制是一種基于時間最優(yōu)、運力最優(yōu)、能量最優(yōu)的動態(tài)綜合最優(yōu)化策略.從總體上看,電梯群控技術(shù)的發(fā)展趨勢主要有以下4個方面:1)基于人性化考慮的高度智能化.當(dāng)建筑物使用功能變化時,允許業(yè)主作必要的參數(shù)調(diào)整和允許乘客作必要的設(shè)定以滿足使用者的要求.這就要求系統(tǒng)具有性能參數(shù)的在線自適應(yīng)調(diào)整功能,通過在線學(xué)習(xí),圍繞最優(yōu)性能指標使系統(tǒng)以最小的擾動工作在最佳狀態(tài).2)基于工程意義的高層建筑電梯配置與分析.這是電梯技術(shù)與工程應(yīng)用的必然接口.英國Peters公司的ELEVATETM和美國Otis公司的OTISPLAN○R已引起電梯業(yè)界和建筑設(shè)計行業(yè)的重視,其中OTISPLAN○R主要包括3個部分:單梯群性能指標計算、多梯群配置最優(yōu)決策以及派遣器性能仿真.3)基