資源描述：
《基于人工智能的電梯群控算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、東北大學(xué)碩士學(xué)位論文摘要基于人工智能的電梯群控算法研究摘要隨著現(xiàn)代化城市的快速發(fā)展和高層建筑的日益增多，高層建筑內(nèi)交通變得越來(lái)越復(fù)雜，常常需要幾臺(tái)甚至幾十臺(tái)電梯組成電梯群來(lái)運(yùn)送乘客，電梯群控算法的研究已成為國(guó)內(nèi)外研究的熱點(diǎn)之一。對(duì)于一個(gè)復(fù)雜的、具有多種要求的電梯群控系統(tǒng)，本文采用多種智能算法相結(jié)合對(duì)交通流迸行分析，以識(shí)別當(dāng)前系統(tǒng)的交通流模式，從而根據(jù)不同的模式采用不同的派梯方法。針對(duì)現(xiàn)有算法中存在的不足，將遺傳算法應(yīng)用到群控系統(tǒng)中，提高電梯群的運(yùn)行效率、降低能量損耗，并通過(guò)仿真試驗(yàn)驗(yàn)證了算法的先進(jìn)性、有效性。首先，回顧了電梯群控系統(tǒng)的國(guó)內(nèi)外發(fā)展現(xiàn)狀，介紹了現(xiàn)有
2、的各種電梯群控系統(tǒng)的優(yōu)點(diǎn)與不足，提出了基于遺傳算法的電梯群控算法；并在評(píng)估電梯群控系統(tǒng)的四種性能指標(biāo)和分析派梯過(guò)程中系統(tǒng)容易變化的因素后，建立了電梯群控的多目標(biāo)評(píng)價(jià)函數(shù)。然后，提出了一種基于遺傳算法的徑向基函數(shù)(砌強(qiáng))神經(jīng)網(wǎng)絡(luò)的電梯群控系統(tǒng)的交通流模式的識(shí)別方法。文章采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別電梯群控系統(tǒng)的交通流模式，用k一均值聚類算法確定網(wǎng)絡(luò)徑向基函數(shù)的中心和寬度；用一次最小二乘法來(lái)計(jì)算權(quán)值矩陣，并用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的隱層結(jié)構(gòu)。試驗(yàn)表明，該方法收斂速度快、識(shí)別精度高。接著提出了一種基于遺傳算法的層間交通模式下的電梯群控派梯算法。以多目標(biāo)的評(píng)價(jià)函數(shù)的優(yōu)化
3、組合作為目標(biāo)尋求最優(yōu)派梯方案，根據(jù)電梯的運(yùn)行狀態(tài)和各層站的外呼信號(hào)，構(gòu)造了適應(yīng)度函數(shù)。在進(jìn)化初期階段，采用標(biāo)準(zhǔn)遺傳算法在解空間中全局搜索，當(dāng)種群收斂到最優(yōu)解附近對(duì)，弓I入自適應(yīng)局部搜索算子，以提高算法的局部搜索能力，仿真結(jié)果表明，該算法克服了標(biāo)準(zhǔn)遺傳算法后期收斂速度慢的缺點(diǎn)，同時(shí)較好地滿足了電梯群控系統(tǒng)的實(shí)時(shí)要求。最后，建立了電梯群控系統(tǒng)的虛擬仿真環(huán)境，模擬實(shí)際系統(tǒng)的運(yùn)行，驗(yàn)證各種算法的性能指標(biāo)。關(guān)鍵詞：電梯群控；遺傳算法；RBF神經(jīng)網(wǎng)絡(luò)；交通流模式-Ⅱ一東北大學(xué)碩士學(xué)位論文ResearchofElevatorGroupControlAlgorithmBase
4、dOllArtificialIntelligenceAbstractWiththedevelopmentofmodemcity,moreandmo∞skyscraperisbuiltinthecitytoday．Itisindispensabletotransportpassengerswithelevatorgroupcomposedofseverallifts．Accordingly，theeon打ollingalgorithmofelevatorgrouphasalreadybecomethefocusofresearchathomeandabroad．
5、Foracomplicatedelevatorgroupcontrolsystemt雹ocs)．becauseofmanykindsofdemands，inthispapermanyintegratedintelligentallocationelevatoralgorithmsaleadoptedtoanalyzetrafficflowandproceedtopattern-recognitionoptimally．Consequently,avarietyofalgorithmsofallocatingelevatora托adoptedaccordingt
6、odifferentpatterns．Tomanydisadvantagesofcurrentmethods，thispaperpresentsanalgorithmofallocatingelevatorbasedonGA．Theapproachincreasesrunningefficiencyofelevatorgroup，andreducesenergy-consuming．Simulationexperimentvalidatestheadvancedperformanceandeffectiveperformanceofthemethod．Firs
7、tly,WereviewedthedevelopmentandcurrentstatusofEGCSindomesticandinternational，andintroducedadvantagesandshortcomingsofvarietyofEGCS．Wealsoestablishevaluationfunctionofmulti·objectforEGCS，whichisbasedonevaluatingfourperformanceindexesandanalyzinguncertainfactorsinthecourseofallocating
8、elevator．Secondly,w
