同的权重,以此来优化派梯。本文把WT、PL、RNC
的规则映射到神经网络中,利用网络的学习功能选
择最佳合适的电梯。
2性能指标评价函数
评价电梯群控系统性能的指标有多种…,本文
基于满足乘客候梯和乘梯过程中心理和生理需要,
减少电梯群控系统在运行中的能源消耗,重点考虑
了以下三个优化指标:
2.1候梯时间
位于某一楼层的乘客从按下外呼信号起,到电
梯到达该楼层响应呼梯信号的这段时间称为候梯时
间,可以通过该电梯的速度、开关门时间、进出乘
客数、内指令信号状态和已分配的外呼信号状态来
预估计。设胛表示第k台电梯响应所分配外呼信
号时的乘客候梯时间,因此电梯k响应所分配的外
呼信号产生的候梯时间评价函数为:
f(wr)=em00077一
(1)
3
神经网络与遗传算法的融合
神经网络用于群控系统,采用多层神经网络模
型门】,当采用BP算法时,由于需要提供训练信息对
网络进行训练,对象电梯群控这样的时变系统训练
难以达到理想精度。此外,由于BP算法采用梯度法
难免出现局部极小问题,为此本文采用遗传算法学
习神经网络的连接权,能有效地克服上述缺点。
3.I
算法基本结构
本算法基于BP神经网络结构“1,将网络分为4
层:输入层、逻辑推理层、单输出层、总输出层即
评价函数层。每个神经元直接接受前一层神经元的
输出。层站呼唤分配部分把新的层站信号分配给合
适的电梯,在分配时要考虑乘客所在楼层以及电梯
运行状态等信息。贝wT)、f(et)、f(RNC)的计算需用
到最新呼叫的候梯时间(嬲r)、此时的轿内容量
(CV)、呼梯信号所在楼层到电梯的距离(CD)这
些参数,相互间网络关系如图I所示。
2.2轿内乘客数
这是对乘客舒适度的评价函数.在派梯时,当两
台电梯有相同的候梯时间时,这时要考虑的则是轿
内乘客数,轿内乘客数不仅决定了候梯时间,而且
更大程度上反映了乘客的舒适度,定义轿内乘客少
的评价函数为:
图I
混合算法网络结构图
f(PL)=e-0.015PL2(‘’
(2)
其中Pt(i)为第f台电梯轿厢内人数。
2.3
运行次数∞1
运行次数即停站次数,直接决定了系统的能量
消耗,据统计在上、下班等客流高峰期间,响应一
个呼梯信号,停站平均不到一次,由此定义停站次
数少函数:
厂(m旧=e-O.2舢2(‘’
(3)
其中彤眄(j)为第f台电梯的停站次数。
综合考虑以上三个评价指标提出总的评价函
数:
F=%×厂(㈣+呒×f(PL)+职×f(RNC)
(4)
其中,矾、%、%为加权因子,其值越大,表示
对相应因素重视程度越高,;根据侧重点不同取值。
Fig.1 Blending algorithm Basic structure
各层输入函数和输出函数选取如下:
输入层到推理层:
M(2)=HWTxuI,+CVxu2I+CDxu3,(5)
推理层到单输出层:
4
/(哪=∑V.//M(2)
j=l
4
f(PL)=∑%M(2)
j=l
4
f(RNC)=>"yjiNj(2)
』=l
单输出层到评价函数层:
F=彬×厂(阿7’)+%×f(PL)+呢×f(RNC)
式中
ujr--输入层到逻辑推理层的加权阵
吩广一逻辑推理层到单输出层的加权阵
(6)