17
江 苏 电 器 (2007 No.2)
来进行模糊信息处理，使得模糊规则的自动生成有
可能得以解决，可以有效发挥其各自的优势
［３］
。
图２是一个前馈多层结构的模糊神经网络结构，
模糊神经网络共有 ５ 层，通过使用输入—输出数据
集合，来实现模糊推理的过程。
第 １ 层为输入层，每一个输入节点代表 １ 个电
梯的控制参数。对于每个神经元有：
式中：ｕ
ｉ
（１）
是第ｉ 个输入变量的值；ｎ
１
为本层输
入变量的个数。
第 ２ 层和第 ４ 层分别为模糊化层和综合层，其
节点都是模糊子集节点，分别用于表示输入和输出
变量的隶属函数。
式中：ｍ
ｉｊ
（２）
和σ
ｉｊ
（２）
分别为第 ｉ 个输入变量的第 ｊ
个模糊子集隶属函数的中心和宽度，可作为本层的
两组连接权值；ｎ
２
为本层输入变量的个数。
式中：Ｎ
４ｋ
为与这一层第ｋ个节点相连的输入变
量的个数；ｎ
４
为本层输入变量的个数。
第 ３ 层为规则层，其节点代表模糊逻辑规则，
即：
式中：ｓ
ｉｎ
为每个输入变量的模糊子集个数；ｎ
３
为本层输入变量的个数。
第 ５ 层为输出层，其节点代表调度方案，即：
式中：ｍ
ｋｊ
（５）
和σ
ｋｊ
（５）
分别为第 ｋ 个输出的第 ｊ个模
糊子集隶属函数的中心和宽度，可作为本层的两组
权值 ；ｓ
ｏｕｔ
为每个输出变量的模糊子集个数 ；ｎ
５
为
本层输入变量的个数。
２）在电梯群控系统中应用模糊神经网络，可以
更好地预测电梯交通中所出现的大量不确定性，配
置最小的电梯数目以应付最大的交通客流量。带有
模糊神经网络的电梯群控系统由控制变量变换单元、
电梯群控单元和梯群组成。控制变量变换单元可以
优化控制权系数值。电梯的交通工况有 ３ 个主要参
数：乘客到达的总平均间隔 Ｄ
１
，来自大厅的乘客平
均到达间隔Ｄ
２
，
去向大厅的乘客平均到达间隔Ｄ
３
。把
厅堂的候梯时间分布 Ｙ作为输出量，把 Ｄ
１
、Ｄ
２
、Ｄ
３
以
及控制变量选择单元中候选控制变量 ａ 作为输入。
输入和输出间的关系用模糊规则表示，而模糊规则
在预报模型内由神经网络构成，输入的交通工况在
每个坐标轴上被划分为 ３ 个模糊规则，即高要求
（Ｈ）、中要求（Ｍ）和低要求（Ｌ），共有 ２７ 种候梯时间
分布，对应的关系式：
Ｙ
ｉ
＝｛Ｙ
１
，Ｙ
２
，…，Ｙ
２７
｝，通过控制变量变化可以灵活地
设置以满足具体建筑物或时区的使用要求。
２ 现场总线技术在电梯群控智能化中的应用
电梯群控策略实现的基础是完备的电梯群运行
数据采集和通信系统。由于电梯控制对可靠性要求
非常高 ， 而现场总线的稳定性和强抗干扰能力完全
能够满足这一点；而且电梯群控很显然是一个可分
解系统，控制点相对分散，恰好是现场总线控制的
最佳使用场所。
现场总线是用于过程控制现场仪表与控制室之
间的一个标准的、开放的、双向的多站数字通信系
统。采用现场总线将使控制系统结构简单，系统安
（１ ≤ ｉ ≤ ｎ
１
） （１）
f
ｉ
（１）
＝ ｕ
ｉ
（１）
ａ
ｉ
（１）
＝ f
ｉ
（１）
（１ ≤ ｋ ≤ ｎ
４
） （３）
f
ｋ
（４）
＝
ｕ
ｊｋ
（４）
ａ
ｋ
（４）
＝ ｍｉｎ（１，f
ｋ
（４）
）
Σ
Ｎ
４ｋ
ｊ＝ １
（１ ≤ ｋ ≤ ｎ
３
） （４）
ａ
ｋ
（３）
＝ f
ｋ
（３）
f
ｋ
（３）
＝ ｍｉｎ （ｕ
ｊｋ
（３）
）
１≤ｊ ≤Ｓｉｎ
Σ
２７
ｉ＝１
Ｙ
ｉ
ｗ
ｉ
ｗ
Ｙ
ｉ
＝ f
ＨＭＬ
（ａ ），
Ｙ ＝ ，其中：ａ ＝｛Ｄ
１
，Ｄ
２
，Ｄ
３
｝；
电梯群控系统控制算法的分析
（１ ≤ ｋ ≤ ｎ
２
） （２）
f
ｋ
（２）
＝ －
（ｕ
ｉ
（２）
－ｍ
ｉｊ
（２）
）
２
（σ
ｉｊ
（２）
）
２
ａ
ｋ
（２）
＝ e
f ｋ
（２）
（１ ≤ ｋ ≤ ｎ
５
） （５）
f
ｋ
（５）
＝
ａ
ｋ
（５）
＝ f
ｋ
（５）
Σ
ｓ
ｏｕｔ
ｊ＝ １
σ
ｋｊ
（５）
・ｕ
ｋｊ
（５）
Σ
ｓ
ｏｕｔ
ｉ＝ １
（ｍ
ｋｊ
（５）
・σ
ｋｊ
（５）
・ｕ
ｋｊ
（５）
）