电梯是高层建筑中不可缺少的垂直交通运输工具,随着高层智能建筑的大量涌现,人们对电梯系统的性能提出了越来越高的要求。近年来,电梯控制技术得到了快速的发展,许多先进的控制技术被应用于电梯群控系统中,使电梯群控系统的性能在很大程度上得到提高,但仍有不少突出问题亟待解决。 本文以电梯群控系统作为研究对象,在对电梯控制技术进行深入分析的基础上,以提高电梯群控系统的智能化水平为出发点,以减少候梯时间、改善服务质量、适应现代工作需要为目的,对电梯群控智能系统的派梯策略进行了深入的研究,提出了一种新的基于交通模式识别控制的多目标智能优化调度方法。 本文首先分析了电梯群控系统的特性、控制方式、性能评价指标及交通流情况,并建立起复杂的客流分析模型,该模型可以生成任一交通模式下的客流数据,为群控系统提供仿真环境。在交通模式识别方面,采用基于联结机制的模糊神经网络对交通流进行辨识,该方法对复杂的交通流具有很好的识别能力,对电梯群控器根据不同的交通状况采用相应的派梯策略可以起到很好的指导作用。 电梯群控系统的调度控制采用再励学习控制方式,其控制器为基于交通模式识别的小脑模型神经网络。利用CMAC网络的联想能力和泛化能力进行派梯,由于CMAC网络不需要过多的专家知识及学习样本,整个控制相当于一个查表(CMAC权值表)过程,并且可以在线学习,因此在很大程度上简化了电梯群控系统的控制过程。该调度算法可以根据建筑物内不同时间的交通流量变化来自适应地调整网络结构及参数。同时这种控制方法实现了群控系统的多目标调度,以“乘客的平均候梯时间”和“群控系统的载客能力”为控制目标,通过在线学习调整权值,使整个电梯群控系统的控制策略始终处于被优化的状态,仿真结果表明这种基于交通模式识别的多目标智能调度方法应用在电梯群控系统中能够得到合理的派梯结果,使系统的运行效率提高,增加乘客的满意度。