内的交通流的具体信息,采用模糊神经网络进行电梯群控系统的模式识别。用两个模糊神经
网络可以很准确地辨识出各种交通模式所占的比例,确定此时间段中的交通模式。交通模式
识别的准确性将直接影响整个系统的性能。对电梯群控系统根据不同的交通状况采用相应的
派梯策略起到很好的指导作用,全面提高了电梯群控系统的服务性能。
3.4 算法模块 系统利用Matlab设计了的几种典型的群控算法,如基于动态规划分区的高
峰期电梯群控
【
3
】
,适合于高峰交通模式;基于遗传算法的电梯群控
【
4
】
,适合于随机层间交
通模式;基于交通流概率仿真模型的电梯群控
【
5
】
,适合于空闲模式。仿真系统在仿真过程
中可以调用这些算法。
3.5 仿真模块 它是利用可视化编程语言Delphi的多线程技术来实现的。仿真系统设计的
基本思想如图2所示,在此定义了六个类,电梯(Televator)、乘客(Tperson)、楼层(Tfloor)、
系统状态(TsystemState)、系统监控(TsystemMonitor)、电梯运行线程(TrunThread)。仿
真模块以电梯为主要对象,系统以每秒的事件触发每个线程对象的动作。根据不同的交通模
式和当前电梯的运行情况,调用Matlab设计的群控算法对乘客新的呼梯信号进行最优派梯。
系统监控对象动态地监控大楼内每位乘客的乘梯情况,每部电梯的运行情况,各楼层乘客的
停留情况。能够动态显示电梯运行状态、乘客状态统计、楼层统计、电梯承载统计。
图2 仿真系统设计框架图
3.6 派梯结果分析显示模块 在仿真过程中,仿真模块根据记录的各种数据计算出乘客的
平均候梯时间、平均乘梯时间、电梯停靠次数、运载能力等电梯的性能指标,利用这些性能
指标来分析不同的群控算法的优缺点。
4 电梯群控系统仿真实现
现利用该仿真平台对基于模糊理论的电梯群控算法
【
6
】
进行测试,并与基于动态规划分区
的高峰期电梯群控算法在相同的仿真条件下进行比较。仿真参数设置为:大楼高 16 层;楼
层高度 2.5 米;电梯 4 部;电梯速度 2 米/秒;加/减速度 2 米/秒
2
;额定载客量 13 人;开、
关门时间 0.8 秒;乘客上、下电梯时间 0.8 秒;仿真人数 100 人。交通流设置为:7:40~8:
00 之间的上行高峰模式,乘客全部从门厅上行。图 3 为群控系统电梯动态仿真图,1 号电梯
在第 5 层,向上运行。仿真完毕后,得到两种算法的主要性能指标,如表 1 所示。从表中的
数据可以看出,在下行高峰交通模式下,基于动态规划分区的高峰期电梯群控算法和基于模
糊理论的电梯群控算法相比,前者计算出来的乘客的平均候梯时间和乘梯时间小于后者,停
靠次数也少于后者的停靠次数,同时前者的运载能力更大。由此可知,动态规划分区算法更
适合于上行高峰交通模式。