模糊神经网络在电梯群控交通流模式识别中的应用.docVIP

智能控制基础论文 模糊神经网络在电梯群控交通流模式识别中的应用 李可达 刘 阳 秦 勇 饶德卫 指导老师：杨欣 重庆大学自动化学院 2013年12月 目录 摘 要 1 第1章 绪 论 2 1.1 电梯群控系统的发展和现状 2 1.2 电梯群控系统概述 2 1.2.1 电梯群控系统的特征 2 1.2.2 电梯群控系统的性能评价指标 4 1.2.3 乘客交通流数据获取方法 5 第2章 电梯群控系统控制方法 5 2.1 电梯群控系统控制思路 5 2.2 电梯群控系统调度方法 5 2.3 电梯群控系统常用的智能控制方法 7 2.3.1 模糊逻辑 7 2.3.2 人工神经网络 7 2.3.3 模糊神经网络 8 第3章 模糊神经网络的学习方法和仿真方法 13 3.1 模糊神经网络的学习算法 13 3.1.1 确定隶属度函数 14 3.1.2 形成模糊规则 16 3.2 使用粒子群优化算法(PSO)优化参数 17 3.2.1 粒子群算法(PSO)的基本概念 17 3.2.2 粒子群算法(PSO)的算法原理 18 3.2.3 动态惯性权值的粒子群优化算法的仿真 19 第4章 电梯群控交通流模式识别 23 4.1 电梯群控系统交通模式识别概述 23 4.2.1 模糊神经网络的输入及其模糊集合 24 4.2.2 模糊神经网络的输出 25 4.2.3 模式识别中模糊规则的表述 26 4.2.4 模式识别中的模糊推理 26 4.3 模糊神经网络的模式识别的训练和仿真 27 4.3.1 模糊神经网络的训练 27 4.3.2 电梯群控交通流模式识别仿真实例 29 第5章 结论、展望与心得体会 30 5.1 结论 30 5.2 展望 31 5.3 心得体会 31 5.3.1 李可达 31 5.3.2 刘阳 31 5.3.3 秦勇 32 5.3.4 饶德卫 32 参考文献 33 模糊神经网络在电梯群控交通流模式识别中的应用 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。 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，模糊神经网络，交通流模式识别 第1章 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