【技术实现步骤摘要】
基于交通流和自适应神经模糊推理的电梯群控调度方法
本专利技术属于电梯群控技术，具体是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。
技术介绍
为了提高电梯的服务质量和运行效率，电梯在控制技术方面逐步从一部电梯发展为多部电梯联合起来并统一协调和优化的调度系统，称为电梯群控系统。楼层较低的建筑通常安装单部电梯或并列的多部电梯，主要以时间为控制目标，随着楼层变高，电梯运输压力变大，传统的控制方法容易出现电梯空载运行、不必要停站次数过多和乘客候梯时间过长等问题，从而导致电梯的工作效率偏低。电梯群控系统旨在根据大楼的实际乘客交通流情况，结合候梯时间、乘梯时间和能耗等信息，针对不同的乘客需求灵活调整派梯策略。而目前在实际中采用的电梯群控调度方法大多是对乘客候梯时间等单一的目标进行优化或者对多个指标进行简单的线性加权处理，没有综合考虑电梯的交通流、电梯的拥挤度和系统的能耗等因素对最终调度方案的影响，难以满足实际需要。
技术实现思路
本专利技术的目的在于提供一种基于交通流和自适应神经模糊推理的电梯群控调度...
【技术保护点】
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：/n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；/n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；/n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；/n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...
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：沈超，樊卫华，李玲玉，许松伟，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。