江苏电器 　 (2007 No.2)

目标决策过程，应根据不同的建筑物交通模式采用
不同的调度方法。
１．１　传统的电梯群控控制方法
　　传统的电梯群控方法主要有分区调度方法和基
于搜索算法的方法。

　　分区调度方法：一般分为静态分区、按时间表

分区和动态分区。静态分区是根据电梯台数和建筑
物层数将电梯划分为固定的运行区域，调度一组轿
厢服务于通常毗邻的楼层，各部电梯仅响应本分区
内的层站呼叫。不足之处是层站呼叫的随机性容易
造成梯群中的电梯忙闲不均。按时间表分区是按预

制的时间段进行分区，这个时间段通常与高峰交通

或交通拥挤时段恰好吻合，且电梯在一天当中剩下
的时间服务于全部楼层。但这些方法难以适应时变
的交通特性。动态分区是按照一定的顺序把电梯服
务区域连成环形，每台电梯的服务区域随电梯的位
置和运行方向作顺时变化，以解决上述电梯忙闲不
均的现象。但由于电梯位置、轿厢内人数和响应呼
梯信号的速度不同，有时会造成电梯配置不尽合理。
　　搜索算法是指在可能的调度方案中，搜索满足
约束条件的最优方案。从搜索结果是否可以变更的
意义上可分为贪婪搜索算法和非贪婪搜索算法

［１］

。

　　贪婪算法：当层站呼叫首次注册时，便将层站
呼叫指派给某部电梯，而后不再考虑对该呼叫的指
派。其约束条件是候梯时间、行程时间和轿厢拥挤
度加权和最小。

因为该方法以响应最快为贪婪准则，

所以缺少灵活性，使指派电梯改组变得困难。
　　非贪婪算法：在每个呼梯事件发生后，对于新
到达乘客的轿厢指派进行大量的搜索，允许推迟任
务指派或者根据新增层站呼叫或乘客目的层站信息
对层站呼叫再指派。主要有ＦＩＭ算法，ＥＳＡ算法和
ＤＬＢ算法，其中，ＦＩＭ的约束条件是候梯时间的平方
和最小；ＥＳＡ的约束条件是当前拥挤时间最小。二
者都仅适合于下高峰交通方式。ＤＬＢ算法以平衡轿
厢乘客荷载的方式，通过均匀地将比邻的相互不重
叠的分区分配给每一个轿厢来保持轿厢均匀分布。

１．２　当前采用人工智能控制技术的电梯群控策略

　　系统的不确定性、随机性和非线性以及控制目
标的多样性，使控制系统变得十分庞大，调度算法

日趋复杂，仅仅通过传统的控制方法难以提高控制

系统的性能。人工智能控制技术的发展，使人们可

以采用专家系统、模糊控制技术、神经网络等方法

研究电梯群控系统的动态特性，以达到提高电梯群
控系统运行效率的目的。
１．２．１　专家系统在电梯群控系统中的应用

　　　　专家系统是人工智能应用领域比较成功的分支
之一。它的概念和方法被引入到控制领域，在很多
方面取得了可喜的进展和成功的应用。电梯群控专

家系统是由知识库、数据库、推理机、解释部分及

知识获取部分组成。
１．２．２　模糊控制技术在电梯群控系统中的应用

　　电梯交通系统中存在着大量的不确定性，当系
统的复杂程度很高而系统的状态又不易精确预测时，
制定控制系统的精确模型就很困难，因此许多系统

都应用了模糊理论的近似方法。厅层召唤分配给适
合服务的电梯的过程是一个多目标决策过程，用规
则方法求严格的最优解目前很难实现。因此，实际
上经常根据群控分配原则召唤。群控原则大多是一
些模糊的概念，例如：乘客候梯时间的长短、厅层
客流量的大小、电梯响应召唤的快慢等。这些没有
明确数量界限定义的模糊概念可以利用模糊模型代
表模糊知识，用模糊推理方法进行求解。自从三菱
公司首次把模糊逻辑用于电梯系统后，此种方法获
得了广泛的应用。带有模糊控制技术的电梯群控系
统与常规控制系统相比，平均候梯时间减少了
１５％～２５％，超过６０ｓ的长候梯率减小了４０％～８０％，
轿厢到达的预报准确率提高了６０％～８０％

［２］

。

模糊控

制系统的结构框图如图１所示。

１．２．３　模糊神经网络在电梯群控系统中的应用
　　　　１）模糊控制技术的特长在于逻辑推理能力，能
够处理精确的信息和模糊信息，能够实现精确的联
想及映射，存在的问题是隶属函数中的加权系数是
固定的，不能根据不同的客流模式而改变，无法进
行自学习。神经网络的一个突出特点就是可以通过

环境学习获取知识并改进自身性能。它的学习过程

就是修改加权系数的过程，最终可以达到期望值。

所以，将两种方法结合在一起，采用神经网络技术

电梯群控系统控制算法的分析