基于模糊控制技术的电梯群控系统研究.docVIP

基于模糊控制技术的电梯群控系统研究 　　随着高层建筑的不断增多和智能建筑的快速发展，人们对建筑物内的客流运输设备电梯提出了越来越高的要求，如何实现多台电梯的有效控制成为研究的热点问题。 中国论文网 /8/view-7196629.htm 　　电梯群控的难点和重点在于电梯交通客流的随机性以及电梯群控系统的多目标性、不确定性、非线性、扰动性和信息的不完备性。因而，无法建立被控对象的精确模型，无法很好地采用传统控制方法解决这些问题。不过，模糊控制技术在解决非线性、不确定性问题上具有很大的优势。它不需要建立所求解问题的精确数学模型，而是模仿人脑的推理能力，可以使许多复杂问题简化。所以将模糊控制技术应用到电梯群控中，必将对我国电梯群控技术的学术研究和工程应用产生积极的推动作用。 　　模糊电梯群控系统结构 　　基于模糊控制技术的电梯群控系统FEGCS（Fuzzy Elevator GroupControl System）如图1所示。 　　如图1所示，交通模式识别单元则根据乘客交通状况，采用模糊推理，识别当前乘客的交通模式，并选择出适合当前电梯召唤任务的最合适的交通模式；召唤分配单元则是在选定的交通模式下，对各电梯的综合评价指标进行计算，选择出最合适的电梯服务召唤。数据管理单元处理FEGCS的所有数据，包括电梯的参数、建筑物的基本情况、统计数据、学习数据、控制策略数据和全体隶属函数。 　　电梯群控系统调度方案的性能如何，主要是由交通模式识别单元和召唤分配单元决定的。辨识交通模式决定了召唤分配的目标控制原则，是合理进行召唤分配的基础；而召唤分配则是控制目标的具体实现过程，这两部分是电梯群控的核心组成部分，它们的性能如何直接决定了FEGCS的性能。 　　基于模糊控制的交通模式的辨识 　　交通模式是指某一时间段内相对固定的建筑物中人流物流往来情况，主要以流出、流入，以及层间交通流的状况和客流的交通强度为依据划分。在不同的交通模式下，选择采用与之对应的最适合的评价函数，并作为厅层召唤分配的依据，可以有效提高整个电梯群控系统的性能。实现对不同交通流识别的准确性直接影响整个系统的性能，它是实现电梯最优调度的基础。 　　1.输入量的选择 　　为了更加准确的辨识交通模式，特别是识别不同时刻的交通流的变化，采用新的输入变量即交通构成百分比，并引入交通强度，同时运用模糊逻辑推理，提出一种新的具有普遍性的方法来辨识交通模式。交通模式辨识输入变量的具体做法如下： 　　进入乘客百分比u1：在一定时间段内，取5分钟，进入乘客数占总乘客数目的百分比： 　　离开乘客百分比u2：在一定时间段内，取5分钟，离开乘客数占总乘客数的百分比： 　　层间交通乘客百分比u3：在一定时间段内，取5分钟，层间交通乘客数占总乘客数的百分比： 　　式1、2、3中，λin、λout、λinter-floor分别代表乘客进入、离开、层间客流的到达率。可以分别由式4、5、6求得： 　　根据定义式1、2、3可知，在任何建筑物、任何交通时刻，等式7显然恒成立： 　　相对交通强度u4：客流交通强度与进入最高峰交通强度的比值。在进入最高峰时，乘客的5分钟到达率很高，交通流量接近于电梯的临界处理容量，交通强度也处于其临界值。此时乘客的5分钟最大到达率与电梯群系统的载客率HC大致相等，因而可由式8计算出乘客的相对交通强度： 　　其中，HC是电梯群的载客率，它可以认为近似等于进入高峰最大5分钟乘客到达率。 　　2.输入量的模糊化 　　采用模糊控制技术，我们用逻辑语言“小”、“中”、“大”来描述每一种交通构成所占的百分比u1、u2、u3的大小，某交通构成所占总交通百分比的隶属函数图形如图2所示。 　　图2中，描述交通构成中使用了三角形和梯形隶属函数。交通构成的隶属函数u：U→[0，1]，u1∈U。其中，i=1，2，3；分别表示进入、离开、层间交通。 　　为了便于计算，在求三种交通构成百分比u1、u2、u3时，一般取其整数值；分别用“low”、“medium”、“high”表示各交通构成的逻辑变量“低”、“中”、“大”。图中，I=1，2，3，分别表示进入交通、离开交通、层间交通构成。同样的，用“light”、“normal”、“heavy”表示交通强度“强”、“一般”、“轻”三个逻辑语言变量，则相对交通强度的一般隶属函数图3所示。 　　3.模糊推理 　　在应用模糊逻辑进行交通模式识别过程中，可以分两步走：首先由输入变量进入乘客百分比、离开乘客百分比、层间交通乘客百分比识别出乘客主流交通类型，然后，将交通类型和交通强度作为输入变量，进而识别出该主流交通类型下具体的交通模式。其结构如图4所示。 　　交通类型就是通过三个交通构成模糊值推导而来的。这三种交通构成的三个模糊设置“高