基于神經(jīng)網(wǎng)絡(luò)的電梯調(diào)度重規(guī)劃

仲惠琳

摘要：摘要：提出一種針對(duì)客流量變化進(jìn)行電梯調(diào)度算法實(shí)時(shí)重規(guī)劃的方法。建立電梯群控系統(tǒng)仿真模型，運(yùn)用啟發(fā)式算法，進(jìn)行動(dòng)態(tài)實(shí)時(shí)的局部重規(guī)劃，實(shí)現(xiàn)電梯的動(dòng)態(tài)調(diào)度誘導(dǎo)。使電梯檢測(cè)到乘客流發(fā)生變化時(shí)，能夠盡快調(diào)整選擇路徑。算法對(duì)平均等待時(shí)間、電梯平均載客時(shí)間、電梯能耗和電梯擁擠度進(jìn)行加權(quán)，建立多目標(biāo)評(píng)價(jià)函數(shù)，以實(shí)現(xiàn)節(jié)能和乘客體驗(yàn)的均衡統(tǒng)一。

關(guān)鍵詞：電梯調(diào)度 動(dòng)態(tài)規(guī)劃 神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)：TU857 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）07-0063-02

為了擴(kuò)大城市的使用空間，城市高層建筑越來(lái)越多的。為了給各樓層之間提供運(yùn)輸服務(wù)，電梯系統(tǒng)作為主要的服務(wù)設(shè)施出現(xiàn)。電梯群控系統(tǒng)[1]（EGCS）負(fù)責(zé)控制電梯，并為乘客提供方便舒適的服務(wù)。每一次有新的請(qǐng)求時(shí)，EGCS應(yīng)該評(píng)估可選的各個(gè)方案，然后選擇最合適的方案來(lái)提供服務(wù)。用來(lái)做決策的算法和評(píng)價(jià)標(biāo)準(zhǔn)對(duì)EGCS的有效性非常重要。

EGCS的核心是調(diào)度算法，它直接影響了電梯運(yùn)行效率的高低和服務(wù)質(zhì)量的優(yōu)劣。目前已經(jīng)存在多種電梯調(diào)度方法，如：最小等待時(shí)間算法、基于專(zhuān)家系統(tǒng)的電梯調(diào)度算法、基于模糊控制的電梯調(diào)度算法、基于神經(jīng)網(wǎng)絡(luò)的電梯調(diào)度算法。神經(jīng)網(wǎng)絡(luò)算法可以進(jìn)行大規(guī)模并行處理、分布式信息存儲(chǔ)，并且擁有良好的自組織能力與自學(xué)習(xí)能力。基于神經(jīng)網(wǎng)絡(luò)算法，建立EGCS的目標(biāo)評(píng)價(jià)函數(shù)，將模糊規(guī)則映射到神經(jīng)網(wǎng)絡(luò)[2]，通過(guò)調(diào)整影響EGCS性能的各因素的權(quán)重系數(shù)，進(jìn)行EFCS的優(yōu)化，有利于提高電梯服務(wù)質(zhì)量，使EGCS在不同客流量情況下實(shí)現(xiàn)合理調(diào)度。

1 EGCS評(píng)價(jià)函數(shù)

基于減少乘客的平均等候時(shí)間（AWT）和電梯的平均載客時(shí)間（ATP）、減少電梯運(yùn)行能耗和優(yōu)化用戶體驗(yàn)的多目標(biāo)，建立評(píng)價(jià)函數(shù)：

（1）

F為各因素的綜合評(píng)價(jià)值，f1（wt）、f2（tp）、f3（en）、f4（cr）分別為平均等候時(shí)間、平均載客時(shí)間、電梯耗能、服務(wù)質(zhì)量的評(píng)價(jià)函數(shù)。ω1、ω2、ω3、ω4為對(duì)應(yīng)函數(shù)的權(quán)值，它們的和為1。通過(guò)調(diào)節(jié)各函數(shù)的權(quán)值，調(diào)整不同交通模式下各目標(biāo)所占比重。

1.1 等候時(shí)間WT

有新的呼梯請(qǐng)求產(chǎn)生時(shí)，根據(jù)發(fā)出呼叫的樓層LC和呼叫請(qǐng)求方向FC與電梯當(dāng)前所在樓層L0和運(yùn)行方向F0，可計(jì)算出電梯到達(dá)新的呼梯請(qǐng)求所在樓層的時(shí)間。設(shè)電梯行駛一層耗時(shí)T1s，?？恳粚雍臅r(shí)T2s，待響應(yīng)的樓層數(shù)為b，與電梯同向的最遠(yuǎn)目標(biāo)層為L(zhǎng)MAX，電梯反向的最遠(yuǎn)目標(biāo)層為L(zhǎng)MIN。

當(dāng)FC與F0相同，且FC在F0運(yùn)行方向上時(shí)，電梯不變向到達(dá)呼叫請(qǐng)求所在樓層： （2）

當(dāng)FC=F0且LC不在L0運(yùn)行方向上時(shí)，電梯運(yùn)行至同向最遠(yuǎn)樓層后Lmax，反向運(yùn)行，再到達(dá)呼叫請(qǐng)求發(fā)出樓層：

（3）

當(dāng)FC≠F0電梯到達(dá)初始方向最遠(yuǎn)樓層后，再到達(dá)呼叫請(qǐng)求發(fā)出樓層

（4）

等候時(shí)間短的隸屬度函數(shù)：

（5）

乘客等候時(shí)間的心理容忍度一般為60s[3]，所以WT應(yīng)當(dāng)盡量保持在60s以內(nèi)。

1.2 載客時(shí)間

有新的呼梯請(qǐng)求產(chǎn)生時(shí)，乘客的目的樓層未知，僅能判斷乘客的目標(biāo)方向，假設(shè)乘客的目的樓層為最遠(yuǎn)樓層Lmax，則載客時(shí)間為：

（6）

載客時(shí)間短的隸屬度函數(shù)：

（7）

1.3 電梯能耗

由于電梯運(yùn)行的能量消耗主要由加速、減速產(chǎn)生，電梯勻速運(yùn)行時(shí)的能耗相對(duì)于加速減速的能耗非常小，所以電梯的能量消耗的多少主要由電梯的啟停次數(shù)的多少?zèng)Q定： （8）

能耗小的隸屬度函數(shù)：

（9）

1.4 電梯擁擠程度

電梯擁擠度取決于電梯內(nèi)乘客人數(shù)，根據(jù)電梯內(nèi)的壓力傳感器可估算出梯內(nèi)乘客人數(shù)，定義電梯擁擠度小的隸屬度函數(shù)為： （10）

2 變量的模糊化

將（wt）、 （tp）、 （en）、 （cr）的值進(jìn)行模糊化，創(chuàng)建三角形隸屬函數(shù)[4]。

3 模糊神經(jīng)網(wǎng)絡(luò)

將模糊規(guī)則映射到神經(jīng)網(wǎng)絡(luò)中，建立5層向前神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)傳遞函數(shù)，進(jìn)行輸入到輸出的變換，實(shí)現(xiàn)模糊推理。運(yùn)用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能確定1，2，3，4的值，分別計(jì)算各電梯的綜合評(píng)價(jià)值F，選擇F最小大的電梯響應(yīng)請(qǐng)求。

采用向前型多層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1。

第1層：輸入層，輸入值直接傳遞至下一層作為第二層的輸入變量，神經(jīng)元數(shù)量m1與輸入變量數(shù)量n相同。

第2層：模糊化層，通過(guò)上一次的輸入變量數(shù)量m1以及m1的模糊子集個(gè)數(shù)，可以確定該層神經(jīng)元數(shù)量m2，設(shè)第i個(gè)輸入變量的模糊子集個(gè)數(shù)為z，則，建立以下鈴型高斯函數(shù)[5]： （11）

第3層：規(guī)則層，每個(gè)神經(jīng)元代表一條模糊邏輯規(guī)則，用來(lái)匹配模糊規(guī)則的條件。每個(gè)節(jié)點(diǎn)j的輸出為該節(jié)點(diǎn)所有輸出信號(hào)的乘積：

（12）

（13）

第4層：綜合層，神經(jīng)元數(shù)量m4與輸出變量的所有節(jié)點(diǎn)模糊子集數(shù)量相等：

（14）

I4K是與這一層第k個(gè)神經(jīng)元相連的輸入變量的個(gè)數(shù)。

第5層：輸出層，輸出ω1，ω2，ω3，ω4相應(yīng)的清晰值，該層的神經(jīng)元數(shù)量為： （15）

是第k個(gè)輸入變量的第j個(gè)模糊子集隸屬函數(shù)的權(quán)值，是第4層輸出變量的模糊子集個(gè)數(shù)。

是神經(jīng)網(wǎng)絡(luò)第i層的第k個(gè)輸出函數(shù)。

4 模糊RBF參數(shù)優(yōu)化

采用梯度下降法修正可調(diào)參數(shù)，定義目標(biāo)函數(shù)：（16）

和分別表示網(wǎng)絡(luò)輸出和實(shí)際輸出：

（17）

輸出層權(quán)值調(diào)整：

（18）

則輸出層的權(quán)值學(xué)習(xí)算法為：

（19）

式中，為學(xué)習(xí)速率，為動(dòng)量因子，，。

（20）

隸屬函數(shù)參數(shù)調(diào)整： （21）

式中， （22）

隸屬函數(shù)參數(shù)學(xué)習(xí)算法：

（23）

（24）

5 仿真實(shí)驗(yàn)

仿真環(huán)境參數(shù)：設(shè)定一棟15層的高樓，從1層到第15層，內(nèi)有3臺(tái)電梯。每臺(tái)電梯載重為1250kg。電梯行駛一層耗時(shí)1.5s，開(kāi)門(mén)，上下乘客，關(guān)門(mén)平均總耗時(shí)為3s。

如果電梯載客量達(dá)到1200Kg，則不回應(yīng)呼叫請(qǐng)求，由第二臺(tái)電梯響應(yīng)請(qǐng)求。假定每位乘客平均體重60Kg。

仿真環(huán)境下，將客流量分別設(shè)定為50人/5min，100人/5min，200人/5min，得到仿真結(jié)果數(shù)據(jù)如下表1所示。

6 結(jié)語(yǔ)

從實(shí)驗(yàn)結(jié)果來(lái)看，隨客流量的遞增，AWT無(wú)較大變化，ATP與EN都不是線性增加的，說(shuō)明通過(guò)修改權(quán)值，達(dá)到了EGCS優(yōu)化的目的。該EGCS適應(yīng)多種客流交通狀況，可以實(shí)現(xiàn)節(jié)能和優(yōu)化用戶體驗(yàn)等多目標(biāo)。

參考文獻(xiàn)

[1]畢曉亮，張亞剛等.電梯群控研究及仿真試驗(yàn)臺(tái)開(kāi)發(fā)[J].系統(tǒng)仿真學(xué)報(bào)，2003，15 （9）：1245-1248.

[2]張吉禮.模糊一神經(jīng)網(wǎng)絡(luò)控制原理與工程應(yīng)用[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2004.

[3]Shire H.New elevator group control method for up-peak periods[J].Int J of Systems Science，2003，34（4）：309-317.

[4]李士勇.模糊控制神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1996

[5]張艷寧，焦李成.一種基于自適應(yīng)高斯神經(jīng)網(wǎng)絡(luò)的艦船噪聲分類(lèi)方法[J]，聲學(xué)學(xué)報(bào)，1997，23（4）：350-356.