垂直交通客流分析與電梯群控制優(yōu)化研究.pdf

1、在社會(huì)經(jīng)濟(jì)高速發(fā)展和高層建筑持續(xù)攀高的當(dāng)今，建筑物的使用功能和客流狀況發(fā)生著新的變化，電梯配置技術(shù)面臨著新的挑戰(zhàn)和使命。垂直交通客流分析和電梯群控制是電梯配置領(lǐng)域中的兩個(gè)有著內(nèi)在聯(lián)系的課題，因?yàn)槠鋯?wèn)題的普遍性、復(fù)雜性及其復(fù)雜性帶來(lái)的挑戰(zhàn)性，和電梯群的優(yōu)化控制帶來(lái)的可觀的經(jīng)濟(jì)效益和社會(huì)效益，引起了眾多電梯公司和研究機(jī)構(gòu)的興趣。　　本論文的全部工作在于嘗試運(yùn)用人工智能領(lǐng)域的新理論和新方法，對(duì)電梯交通客流分析和電梯群控制優(yōu)化算法進(jìn)行了分析和

2、探討。以下列出的是本論文具有創(chuàng)新性的主要工作，類似工作在國(guó)內(nèi)外尚未見(jiàn)報(bào)道：　　1.將聚類思想引入到電梯交通流分析中，并提出了一種新型的兩級(jí)結(jié)構(gòu)聚類方法。首先采用新興的人工免疫系統(tǒng)理論及其抗體的免疫激勵(lì)、免疫抑制和免疫記憶機(jī)制，對(duì)電梯交通的客流數(shù)據(jù)實(shí)施特征提取，獲取電梯交通流人工免疫記憶數(shù)據(jù)集，又稱特征客流數(shù)據(jù)。然后分別用層次聚類(hierarchicalclustering)和支持向量機(jī)聚類(supportvectorclusteri

3、ng)對(duì)特征客流數(shù)據(jù)進(jìn)行聚類分析。最后對(duì)聚類結(jié)果進(jìn)行了分析和解釋?！　?.客流預(yù)測(cè)是電梯交通流模式判別的重要環(huán)節(jié)，亦是高峰客流模式下提高電梯動(dòng)態(tài)分區(qū)性能的關(guān)鍵所在。針對(duì)這個(gè)問(wèn)題，提出了長(zhǎng)期預(yù)測(cè)和短期預(yù)測(cè)相結(jié)合的辦法來(lái)預(yù)測(cè)層站的客流需求，既反映電梯交通的規(guī)律性，又體現(xiàn)其隨機(jī)性和動(dòng)態(tài)性。運(yùn)用支持向量機(jī)回歸方法(supportvectorregression)進(jìn)行客流的長(zhǎng)期預(yù)測(cè)，運(yùn)用線性指數(shù)平滑進(jìn)行短期預(yù)測(cè)，并為長(zhǎng)期預(yù)測(cè)值和短期預(yù)測(cè)值賦予一

4、定的權(quán)值，得到最終的客流預(yù)測(cè)值。新的客流預(yù)測(cè)方法提高了客流預(yù)測(cè)的準(zhǔn)確性和自適應(yīng)性?！　?.針對(duì)電梯高峰客流模式下的電梯群控制，討論了兩種不同類型的電梯交通動(dòng)態(tài)分區(qū)模型，并利用人工免疫優(yōu)化算法來(lái)求解電梯交通的最優(yōu)分區(qū)組合。針對(duì)不同的動(dòng)態(tài)分區(qū)模型，提出了具體的抗體編碼方式、免疫克隆、免疫變異、免疫選擇方法，設(shè)計(jì)了具體的人工免疫優(yōu)化算法。并在不同的客流狀況下進(jìn)行了仿真研究。　　4.通過(guò)分析用梯過(guò)程中乘客的生理需求和心理需求，首次明確地提出

5、了沖擊數(shù)的概念，使得人們對(duì)電梯系統(tǒng)性能的評(píng)價(jià)更為直觀、人性化。選擇最長(zhǎng)候梯時(shí)間和最大沖擊數(shù)作為模糊輸入變量，運(yùn)用模糊邏輯推理，簡(jiǎn)化了決策過(guò)程，乘客的乘梯時(shí)間和經(jīng)受的沖擊數(shù)有明顯降低，這符合輕交通時(shí)期乘客的主流追求?！　?.針對(duì)復(fù)雜而繁忙的午飯交通電梯群控制問(wèn)題，引入了人工免疫算法，提出了基于人工免疫系統(tǒng)和THV算法的動(dòng)態(tài)優(yōu)化策略。在該策略下，層站召喚分配及其動(dòng)態(tài)調(diào)整實(shí)行兩級(jí)結(jié)構(gòu)優(yōu)化控制，即利用常規(guī)的THV算法對(duì)層站召喚分配實(shí)施局部?jī)?yōu)化