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)
)