付麗君，牟曉晨

(沈陽(yáng)理工大學(xué) 自動(dòng)化與電氣工程學(xué)院，沈陽(yáng) 110159)

電梯群控技術(shù)是一個(gè)重要的研究課題，許多先進(jìn)的群控算法和控制方式都被應(yīng)用到電梯群控系統(tǒng)中。1997年，迅達(dá)電梯公司提出目的層客流管理系統(tǒng)，就是將外呼上下行按鈕改為目標(biāo)層選取，并反饋所派轎廂序號(hào)引導(dǎo)乘客乘梯[1]。目前在國(guó)內(nèi)對(duì)于目的層預(yù)約模式的群控策略研究還處于起步階段，這種具有新型客流分配模型的電梯群控系統(tǒng)成為新的研究熱點(diǎn)和發(fā)展方向。1965年，使用隸屬關(guān)系來(lái)表示數(shù)據(jù)差異的想法被提出，后來(lái)演變?yōu)槟：刂扑惴?。模糊控制就是?duì)于輸入?yún)?shù)進(jìn)行模糊化，并根據(jù)參數(shù)映射的模糊規(guī)則關(guān)系確定輸出模糊量，最后將模糊量清晰化得到結(jié)果。目前模糊控制研究已經(jīng)相對(duì)成熟，其控制參數(shù)的選擇以及模糊規(guī)則的選取對(duì)結(jié)果的影響尤為重要[2]。20世紀(jì)90年代Dorigo等提出蟻群算法[3]，這是一種仿生算法，算法開(kāi)始時(shí)，螞蟻選擇路徑概率相同，并且行動(dòng)時(shí)留下信息素，后來(lái)，螞蟻根據(jù)信息素的多少有選擇性的對(duì)路徑進(jìn)行選擇，由于路徑長(zhǎng)信息素的濃度低，因此形成一種正反饋機(jī)制。目前基于蟻群算法的應(yīng)用非常廣泛，它類(lèi)似于粒子群算法，經(jīng)常被用于優(yōu)化參數(shù)。

目的層預(yù)約型電梯群控方法對(duì)于電梯群控算法的要求很高，要實(shí)時(shí)分析數(shù)據(jù)預(yù)測(cè)所需參數(shù)值并給出合理的派梯策略[4]。通過(guò)對(duì)各種先進(jìn)算法的研究發(fā)現(xiàn)，使用蟻群算法優(yōu)化模糊控制派梯策略理論上可以達(dá)到理想的優(yōu)化結(jié)果。建立合理的模糊規(guī)則，根據(jù)不同交通流的權(quán)值分配和模糊規(guī)則[5]，得到合適的派梯函數(shù)進(jìn)行優(yōu)化派梯。本文建立基于目的層預(yù)約的電梯群控調(diào)度仿真模型，以上行高峰為例使用蟻群算法優(yōu)化模糊控制算法進(jìn)而優(yōu)化派梯策略[6]。同時(shí)與未被優(yōu)化的參數(shù)做比較得出結(jié)論。

1 電梯群控模型的建立及仿真

1.1 目的層預(yù)約型電梯群控調(diào)度

目的層預(yù)約呼梯系統(tǒng)需要每位乘客輸入目的樓層，通過(guò)對(duì)目的層與起始層的大小判斷確定轎廂上下行。由于轎廂到達(dá)前已獲取了乘客的目的層，對(duì)于派梯算法而言，輸入?yún)?shù)包括了目的層，可以將起始層和目的層都輸入到群控派梯算法中。因此，目的層預(yù)約雖然對(duì)于乘客操作及判斷上多了些步驟，但對(duì)降低轎廂擁擠度和乘梯時(shí)間都有很大的作用。目的層預(yù)約呼叫面板獲取呼梯信息，包括乘客序號(hào)、呼梯時(shí)間、起始層、目的層。從單梯轎廂控制器中獲取轎廂位置，轎廂運(yùn)行方向，轎廂已響應(yīng)的呼叫。圖1是目的層預(yù)約型電梯群控的系統(tǒng)框圖。

圖1 目的層預(yù)約電梯群控系統(tǒng)框圖

1.2 客流量仿真

為了模擬呼梯情況，運(yùn)用泊松過(guò)程及不同模式下隨機(jī)抽樣法建立客流量仿真模型。

1.2.1 時(shí)間信息確定

乘客到達(dá)的時(shí)間順序可以近似為一個(gè)泊松過(guò)程[7]，需要仿真的是下一位乘客到達(dá)的時(shí)間間隔。連續(xù)泊松過(guò)程的公式為

(1)

式中：P(t≤T)表示[0,t]，k名乘客乘梯概率；λ表示需要乘梯的人數(shù)；T表示時(shí)間周期。

則有乘客到達(dá)的概率為

Pk>0(t≤T)=1-e-λT

(2)

所以乘客到達(dá)時(shí)間間隔為

(3)

1.2.2 起始層與目標(biāo)層確定

電梯運(yùn)行大致分為如下幾種交通流：

(1)上行高峰：乘客大部分從基站出發(fā)；

(2)下行高峰：乘客大部分到基站；

(3)層間交流：上下行相對(duì)平衡狀態(tài)。

確定起始層與起始-目的矩陣，根據(jù)起始層與目的層不相等，確定目標(biāo)層。首先產(chǎn)生范圍為[0,1]的隨機(jī)數(shù)，設(shè)置每層的概率范圍，以此確定起始層。再定義起始-目的矩陣OD。最后將j=起始層，i=j的元素去除，產(chǎn)生范圍為[0,1]的隨機(jī)數(shù)，設(shè)置除起始層外，所有層概率相同。

(4)

式中，元素odij(i,j=1,2,…,N)表示從i層到j(luò)層的客流量。

2 蟻群算法優(yōu)化模糊控制模型

在算法設(shè)計(jì)過(guò)程中，加入了對(duì)交通模式的識(shí)別，不同于其他算法，本設(shè)計(jì)將全局運(yùn)算的模糊控制算法分為兩個(gè)局部運(yùn)算的算法，首先通過(guò)建立貝葉斯模型分析采得數(shù)據(jù)來(lái)識(shí)別交通模式，再使用蟻群算法優(yōu)化參數(shù)，最后使用模糊控制算法優(yōu)化派梯方案。

2.1 交通模式識(shí)別

實(shí)際中的電梯交通流是以時(shí)間與總客流量為軸，確定高峰，以時(shí)間與上下行客流為軸確定模式。以此對(duì)上行高峰，下行高峰，層間交流三種交通模式進(jìn)行識(shí)別。樣本空間為

U={w1,w2,w3}

(5)

式中:w1為上高峰模式；w2為下高峰模式；w3為層間交流模式。

預(yù)先確定各種模式的概率P(wi)以及特征值X。

(6)

X={x1，x2，x3}

(7)

式中：x1為5min內(nèi)總客流量；x2為5min內(nèi)下行至門(mén)廳的客流量；x3為5min內(nèi)從門(mén)廳上行的客流量。

將一晝夜時(shí)間以5min等分為288份，根據(jù)不同交通模式下的條件概率密度函數(shù)，建立貝葉斯鑒別函數(shù)P(wi|x)[8]。

P(wi|x)=max{P(wi|x)}，(i=1,2,3)

(8)

x∈wi且最終根據(jù)離散時(shí)間-模式函數(shù)確定電梯運(yùn)行模式。

2.2 模糊控制派梯策略

定義多目標(biāo)評(píng)價(jià)函數(shù)，根據(jù)輸出變量選擇輸入變量并確定對(duì)應(yīng)模糊規(guī)則。

Si=W1SAWT+W2SCC+W3SRPC

(9)

式中：W1、W2、W3代表權(quán)重系數(shù)；Si為評(píng)價(jià)函數(shù)值；SAWT為平均侯梯時(shí)間隸屬度函數(shù)；SCC為轎廂擁擠度隸屬度函數(shù)；SRPC為能源消耗隸屬度函數(shù)。

乘客等待時(shí)間(THCW)：

Ti HCW=Tmove+Tstop

(10)

式中，Tmove表示電梯運(yùn)行時(shí)間；Tstop表示電梯停靠時(shí)間。

如圖2a所示，將變量模糊化小于10秒為非?？?VFTHCW)；10秒到20秒為快(FTHCW)；20秒到35秒為一般(MTHCW)；35秒以上為慢(STHCW)。

轎廂剩余容量(CV)：

(11)

如圖2b所示，將變量模糊化20%以下為舒適(SCV)，40%到65%之間為一般(MCV)，超過(guò)65%為擁擠(CCV)。

圖2 乘客等待時(shí)間和轎廂剩余容量模糊隸屬函數(shù)

召喚集中程度(GD)是起始層位置與電梯需要響應(yīng)呼叫的集中程度，可以反應(yīng)轎廂的能耗。

(12)

式中，h為樓層高度；d為樓層與?？繕菍拥母叨炔?。

如圖3a所示，將變量模糊化20%以下為能耗小(SGD)，40%到65%之間能耗適中(MGD)，超過(guò)65%為能耗大(LGD)。

轎廂總利用率(UR)：響應(yīng)呼叫的總概率。

(13)

式中：NF為總樓層數(shù)；CV0為轎廂額定容量；n為同方向召喚次數(shù)；NFi為第i層樓層與起始樓層的差值；NPi為第i層的人數(shù)。

如圖3b所示，將變量模糊化小于20%為低利用率(LUR)，大于60%為高利用率(HUR)，介于二者之間的為一般(MUR)。

圖3 召喚集中程度和轎廂總利用率模糊隸屬函數(shù)

根據(jù)輸入變量與輸出變量建立模糊控制規(guī)則[9]：

(1)等待時(shí)間與平均侯梯時(shí)間成正比；

(2)轎廂剩余容量與轎廂擁擠度成反比；

(3)召喚集中度，平均侯梯時(shí)間越短，能源消耗越低，但同時(shí)轎廂也越擁擠；

(4)轎廂總利用率與能耗成反比。

2.3 蟻群算法優(yōu)化模糊控制

蟻群算法是一種搜索最短路徑的算法，收斂快，將模糊控制算法得到的數(shù)據(jù)進(jìn)一步優(yōu)化，得到最合適的派梯方案[10]。

(1)基于多目標(biāo)評(píng)價(jià)函數(shù)的結(jié)果建立蟻群算法輸入矩陣

(14)

式中：D為多目標(biāo)評(píng)價(jià)函數(shù)結(jié)果，輸入矩陣每個(gè)元素都是經(jīng)過(guò)模糊控制算法計(jì)算得到的實(shí)時(shí)數(shù)據(jù)；k為轎廂編號(hào)；i為電梯層數(shù)。

(2)定義最大迭代次數(shù)Nmax，螞蟻數(shù)量m，以轎廂位置為初始位置并初始化信息量τ(k,i)=1，Δτ(k,i)=0。

(3)螞蟻根據(jù)狀態(tài)轉(zhuǎn)移概率pk(k,i)選擇下一目的地

(15)

式中：τ(k,i)為螞蟻k到樓層i信息素量；α為信息素?fù)]發(fā)因子；β為期望值揮發(fā)因子；allowed為螞蟻k選擇樓層。

(4)使用禁忌搜索方法，即螞蟻經(jīng)過(guò)的樓層被加入禁忌表，直到所有樓層都遍歷，將m只螞蟻中所得的最小值路徑保存。

(5)更新信息素

(16)

式中：1-ρ為信息素殘留因子；Q為信息強(qiáng)度；Ln為第n只螞蟻?zhàn)叩目傞L(zhǎng)度。

(6)所有螞蟻都到終點(diǎn)標(biāo)志著一次迭代完成，將禁忌表重置，迭代次數(shù)+1，重復(fù)迭代過(guò)程直到達(dá)到最大迭代次數(shù)Nmax。

3 仿真結(jié)果與分析

以6部20層的辦公樓電梯群為仿真對(duì)象，分別對(duì)客流量及算法進(jìn)行仿真。

3.1 客流量仿真

對(duì)三種模式5分鐘內(nèi)客流量進(jìn)行仿真，設(shè)置到達(dá)率分別為0.65、0.85、0.15，仿真結(jié)果見(jiàn)表1。結(jié)果顯示，與輸入?yún)?shù)一致，符合各自模式客流特點(diǎn)。

表1 5分鐘內(nèi)的客流量模擬結(jié)果 %

3.2 算法仿真

設(shè)置電梯最大速度3m/s，加速度1m/s2，樓層高度4m，電梯額定容量15人，開(kāi)關(guān)門(mén)時(shí)間、每位乘客進(jìn)出時(shí)間1s。以上高峰為例分配權(quán)重系數(shù)如下：

W1=0.7,W2=0.2,W3=0.1,ρ=0.2,

α=1,β=3,Q=100,Nmax=50

優(yōu)化前曲線(xiàn)如圖4a，優(yōu)化后曲線(xiàn)如圖4b。從縱坐標(biāo)可以看出，優(yōu)化后效率提升25%，由此證明算法優(yōu)化確實(shí)有效。

4 結(jié)論

使用目的層預(yù)約呼梯，打破傳統(tǒng)呼梯方式，減少系統(tǒng)響應(yīng)時(shí)間。結(jié)合蟻群算法優(yōu)化模糊控制算法，得出多目標(biāo)評(píng)價(jià)函數(shù)值，做出最合適的派梯選擇。仿真結(jié)果顯示算法收斂快，且效率提升了約25%，該方法實(shí)際可操作性強(qiáng)，能夠應(yīng)用于實(shí)際電梯群運(yùn)行，有一定的實(shí)際應(yīng)用價(jià)值。