论文部分内容阅读
智能大厦的概念在世界各地迅速发展起来,电梯作为大楼内的主要垂直运输工具,就得到了迅速而有力的发展,并且电梯对于人们的服务质量也应该相应的提高,这个时候,仅仅一至两台电梯已经不能满足人们的需求了,我们就需要在大楼内安装多台电梯,这些电梯之间应该有互相协调和合作的关系,并且应该能够实现自动控制和调节,这样做的目的是提高为人们服务的质量,比如缩短人们等待电梯的时间,乘坐电梯的时间等等。这个由多台电梯组成的系统就是电梯群控系统。
能否有效的分析和处理电梯交通流数据是影响电梯群控系统性能的一个重要因素,本文提出一种用模糊神经网络的方法来进行电梯群控系统交通模式识别,这种方法集中了模糊逻辑和神经网络二者的优点,克服了各自的缺点,既能利用专家经验知识处理不确定的信息,又具有自学习能力。我们在分析电梯群控系统各种交通模式的基础上,提出了应用两个模糊神经网络分两步来进行电梯群控系统交通流模式识别的方法。其中第一个网络是根据单位时间段总客流量、进门厅人数和出门厅人数三个特征值来辨识出上行高峰交通模式、下行高峰交通模式、层间交通模式和空闲交通模式这四种交通模式所占的比例。第二个网络是根据最大特殊楼层客流量和次大特殊楼层客流量来辨别两路交通模式、四路交通模式和随机的层间交通模式这三种交通模式所占比例。提出了采用专家知识获得样本,并且采用三步训练算法训练网络的步骤,最后用实际的数据进行测试,测试结果表明了此方法的有效性。