基于神经网络的电梯群控制.docx

专业综合实践实习报告题目基于神经网络或MATLAB的电梯群控制学生姓名李飞学　号1007030133教学院系电气信息学院专业年级自动化2010级指导教师谌海云完成日期2014年3月19日摘要随着高层建筑物的日益增多，电梯群在高层建筑和智能大厦中的作用越来越重要，电梯群控系统已经称为国内外研究的热点。本文的目的是根据电梯群控的理论和研究焦点，应用合适的智能算法进行电梯群控制。本文首先回顾了电梯群控的发展历史和现状，介绍了电梯群控的基本理论和两种常用的电梯群控系统控制方法：模糊逻辑和神经网络，并分析了他们的优缺点。然后，本文介绍了模糊逻辑和神经网络结合的模糊神经网络，并详细分析了模糊神经网络的结构和推理过程，然后针对本文采用的模糊神经网络模型，笔者编制了相应的MATLAB程序并对程序和模型进行了仿真实验以验证其有效性和可靠性。在完成了前文的理论准备后，本文对模糊神经网络进行混合训练学习，首先使用了k-均值算法初步确定了隶属函数的中心和宽度，然后使用顺序聚类方法提取模糊规则，最后使用带有动态惯性权值的PSO对隶属函数的中心和宽度进行了优化调整。经过混合训练学习方法对模糊神经网络的训练和优化后，可以得到较为完整的模糊神经网络。此处构建的模糊神经网络模型的方法将应用于随后的电梯群控模式识别模块和派梯调度模块。按照上文提到的模糊神经网络模型构建和训练学习方法根据交通流模式识别的特点和要求建立相应的模糊神经网络，然后通过构建并训练完毕的模糊神经网络对当前交通流特征值分析以得到相应的交通流模式，从而可以根据当前交通流模式制定相应的调度控制策略。之后按照上文提到的模糊神经网络模型构建和训练学习方法根据电梯群控派梯调度系统的特点和要求建立相应的模糊神经网络，根据前面得到的交通流模式和派梯调度策略，通过模糊神经网络对当前电梯运行状态数据进行的分析从而对呼梯信号序列进行调度。最后对本文建立的电梯群控系统进行了仿真和数据验证，根据模拟实际系统的运行，验证了本文算法和模型的有效性。关键词：电梯群控系统；神经网络；PSO算法；电梯群控派梯调度目录摘要I1绪论11.1电梯群控系统的发展和现状11.2电梯群控系统概述22神经网络的学习和仿真方法32.1神经元模型32.2生物神经元32.2.1神经元结构32.2.2神经元功能42.3 MP模型42.4其他作用函数52.4.1非对称型Sigmoid函数52.4.2对称型Sigmoid函数52.4.3对称型阶跃函数62.5几种典型的学习规则62.5.1无监督Hebb规则62.5.2有监督的Delta学习规则62.5.3有监督的Hebb学习规则63电梯群神经网络与仿真73.1BP神经网络的构造73.2评价函数BP神经网络的设计83.2.1输入层的设计83.2.2输出层的设93.2.3隐含层(即中间层)的设计93.3神经网络的训练103.4仿真系统总体设计124总结14谢辞15参考文献161绪论1.1电梯群控系统的发展和现状自从世界上第一台电梯于问世以来，电梯已经成为人类高层建筑交通中不可缺少的工具，是当今高层建筑的重要组成部分。随着高层建筑的不断发展，楼层的高度越来越高，建筑规模也越来越大，需要合理安装多台电梯并进行集中统一的控制，这种多台电梯群的优化调度系统就是电梯群控系统(EGCS)。电梯群控系统的发展历史经历了简易自动控制、集选控制和群控几个发展历程。电梯发展的初期，人们采用了简易自动控制方式，使用的是继电器接触控制，称为“自动选择系统”，通过在上行，下行高峰以及平峰，双向选择运行命令来工作，这是群控的最简单形式：方向预选控制[1]。但是由于这种方式不能同时响应多个呼梯信号，因此使用起来不方便，效率低下。后来出现了集选控制，这种控制方式能够记录所有的呼梯信号，并在前进方向上根据呼梯顺序停靠，但是这种调度方式效率仍然较为低下。随着大型建筑物的发展，单台电梯不能很好的应付全部客流，因此需要设置多台电梯，为了控制安装在一起的多台电梯，电梯群控系统便应运而生。20世纪70年代中期以后主要研究的是电梯交通系统的动态特性，并已经进入现代电梯群控系统阶段。1988年，日本人Hitoshi Aoki把人工智能控制技术引入得到电梯群控系统中，建立了专家系统和模糊规则，这标志着电梯群控系统进入了人工智能技术的发展阶段，模糊控制开始应用于电梯群控系统中。1989年，日本三菱公司把模糊逻辑应用于电梯群控系统中，用来确定乘客密度和电梯交通模式；紧接着，1990年日本研制出带有模糊控制器的电梯群控系统ELEX系列。1992年，神经网络技术开始应用于电梯群控系统中，其中的代表便是日本东芝公司开发的使用神经网络技术的EJ-1000FN系统。现在比较著名的电梯群控系统有：日本三菱公司的AI-2100系列和AI-2200系列，迅达电梯公司的Mico