資源描述：
《基于智能算法的電梯群控實(shí)驗(yàn)系統(tǒng)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、專業(yè)學(xué)位碩士學(xué)位論文基于智能算法的電梯群控實(shí)驗(yàn)系統(tǒng)研究ResearchofElevatorGroupControlExperimentalSystembasedonIntelligentAlgorithm學(xué)號(hào)：41017421完成Et期：2Q!三生三月!§目大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明作者鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請(qǐng)學(xué)位或其他用途
2、使用過(guò)的成果。與我一同工作的同志對(duì)本研究所做的貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。學(xué)位論文題目：基王筮能簋洼的電搓登控塞驗(yàn)丕統(tǒng)玨究作者簽名：邊函益．日期：2墮年衛(wèi)月絲。日大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘要電梯群控的一個(gè)基本問(wèn)題是電梯交通流預(yù)測(cè)。電梯的時(shí)間序列交通流數(shù)據(jù)具有非線性和小樣本的特征，利用最小支持向量機(jī)技術(shù)進(jìn)行電梯交通流數(shù)據(jù)預(yù)測(cè)。對(duì)于電梯交通流需求的時(shí)變性、不確定性的特點(diǎn)，建立了基于LS-SVM的迭代學(xué)習(xí)預(yù)測(cè)模型。該模型不依賴于交通需求的分布，基于最小支持向量機(jī)技術(shù)得到的預(yù)測(cè)函數(shù)，能及時(shí)動(dòng)態(tài)跟蹤電
3、梯交通流變化，從預(yù)測(cè)結(jié)果看出基于時(shí)間序列的LS．SVM預(yù)測(cè)的正確性與有效性。針對(duì)不同的電梯交通模式采用相對(duì)應(yīng)的群控算法進(jìn)行電梯優(yōu)化調(diào)度計(jì)算，可以極大提高電梯群控系統(tǒng)的性能。DE算法具有較強(qiáng)的全局和局部搜索能力，利用差分演化的神經(jīng)網(wǎng)絡(luò)進(jìn)行電梯交通流量模式識(shí)別，辨識(shí)效果良好。進(jìn)行了電梯實(shí)驗(yàn)室基于CAN總線通信的電梯群控試驗(yàn)臺(tái)硬件設(shè)計(jì)、通訊功能和仿真軟件設(shè)計(jì)。根據(jù)群控系統(tǒng)功能電梯群控試驗(yàn)臺(tái)設(shè)計(jì)了總線通信、呼梯信號(hào)和群控與監(jiān)控幾個(gè)子系統(tǒng)。按照功能設(shè)計(jì)要求，電梯群控試驗(yàn)臺(tái)由5個(gè)大類共12個(gè)控制器節(jié)點(diǎn)構(gòu)成。電梯群控試驗(yàn)臺(tái)硬件和軟件設(shè)計(jì)符合實(shí)際電梯群控系統(tǒng)的結(jié)構(gòu)，可以
4、滿足電梯群控實(shí)驗(yàn)室系統(tǒng)研究的需要。關(guān)鍵詞：電梯群控；交通流預(yù)測(cè)；CAN總線；模式識(shí)別基于智能算法的電梯群控實(shí)驗(yàn)系統(tǒng)研究ResearchofElevatorGroupControlExperimentalSystembasedonIntelligentAlgorithmAbstractOneofthebasicproblemsoftheelevatorgroupcontroliStopredictthetrafficflowoftheelevator．Elevatortrafficflowhasthecharacteristicsofnonlinearit
5、ytimeseriesandsmallsamplesize．Supportvectormachineisappliedtopredictelevatortrafficflowoftimeseries．Asforthetraitsofelavatortrifficrequirement．whichischaracterizedbydegenerationanduncertainty,iterativelearningpredictivemodelsbasedonLS—SVMhasbeensetup．Themodelhastheabilitytodynami
6、callytrackchangesintrafficdemand．Throughtheuseofsupportvectormachinetechnology,wegetcontinuoustrafficdemandpredictionfunction．Uponexamination，it’Sobviousthatthemodelhasgoodpredictiveeffect．Asforvariouselevatortrafficmodel，it’Ssuggestthatweshouldcarryoutthecoculationaccordingtocor
7、respondingcontrolalgorithm，andthereforitmaygreatlyimprovetheperformanceofelevatorgroupcontrolsystem．Usingdifferentialevolutionneuralnetworksforpatternrecognitionofelevatortraffic，DEalgorithmhasstrongglobalandlocalsearchcapability．Thedesignofthelaboratoryelevatorgroupcontrolhardwa
8、resystemanditssimulationhasalreadybeenCo
