智能電梯群控技術研究

【摘要】本文討論了智能電梯群控技術中普遍采用的模糊控制、神經網絡、模糊神經網絡、遺傳算法、專家系統等五種算法，并總結了它們在電梯群控系統應用中的優缺點，針對電梯群控技術中目前存在的問題提出了電梯群控技術的發展方向。

【關鍵詞】電梯群控 模糊控制 神經網絡 遺傳算法 發展方向【Abstract】Fuzzy control， neural network， fuzzy neural network， genetic algorithm， expert system and so on five kinds of algorithm widely used in intelligent elevator group control technology were discussed in this paper. the of， and their advantages and disadvantages in elevator group control system application were summarized. The development direction of the elevator group control technology was proposed in response to the present existing problems in the elevator group control technology.

【Key words】The elevator group control， Fuzzy control， Neural network， Genetic algorithm， Development direction

0引言

隨著電梯群控技術的飛速發展，乘客對于電梯乘坐滿意度和節能環保的要求愈來愈高，如何改善乘客的服務質量和服務效率，以及如何降低能耗已經成為電梯行業關注的核心問題。另外目前國內自主研發的電梯群控系統性能和核心技術上與國外仍然存在很大的差距，因此如何盡快掌握此關鍵技術將會對國內電梯業的發展產生十分重要的戰略意義，智能群控技術的研究也隨之成為國內電梯行業高度重視的研究課題。

在電梯群控技術中關鍵的兩個環節就是電梯交通流的分析研究和智能電梯群控調度算法的研究。電梯交通流的研究是優化派梯調度的依據，所以對電梯交通流的算法分析研究尤為關鍵。另外對于電梯群控調度算法的研究，國內很多學者采用了很多群控的優化算法進行派梯，取得了很多成果。因此電梯群控技術的研究主要定位在群控算法的研究上，本文主要介紹這些算法并討論其在電梯群控系統應用中的優缺點，并提出電梯群控技術的發展方向。

1 電梯群控技術算法

1.1 模糊控制算法。模糊控制算法先對電梯交通模式進行分類，然后由專家知識確定隸屬函數及控制規則，確立系統的綜合評價函數實現多目標控制，并根據不同的交通模式調整加權系數，最后通過模糊控制算法實現不同交通模式下電梯群的優化調度控制。但此算法的缺點是系統性能主要取決于專家的經驗，如果專家預設的規則與實際的建筑不符控制效果就會不好，另外調整和確定隸屬函數需要大量仿真實驗且需花費非常多的時間和精力，學習技能和適應性差。

1.2 神經網絡算法。神經網絡算法模仿的是人類的大腦和思維方式，網絡結構特殊性使其具有自學習和自適應能力。它可以通過調整網絡權值得到近似的最優輸入輸出映射關系，適用于處理非線性問題，并且它有很強的自學能力，能改進控制算法并對制定的規則加以修改，利用非線性和學習方法建立合適的模型進行推理對電梯交通流進行預測，對于建筑里不斷變化的交通流能靈活的進行調整。由于在網絡里要不斷接受數據的輸入和處理，有很強的自適應能力。但此算法的網絡訓練樣本多，算法的收斂時間將會延長，而且還會產生體積龐大的網絡，難以驗證算法的合理性。

1.3 模糊神經網絡算法。模糊控制算法的優點在于它能夠處理精確的和模糊的信息并能實現精確的映射，不足之處是隸屬函數中的加權系數不能隨著不同的交通流類型而變化，無自學習能力，而神經網絡算法正好彌補了其不能自學習和自適應性的功能，是可以自動生成函數、自動提取問題的自適應算法。因此將兩者完美結合即為模糊神經網絡算法，可以發揮各自的特長，更好地預測交通流的不確定性，從而實現以最小的電梯數目配置應付最大的交通流，實現最優的調度。但模糊神經網絡算法的不足在于其梯度法的學習，其收斂性太依靠于初始條件。

1.4遺傳算法。遺傳算法是模擬自然遺傳規律來尋找最優方案的一種算法，實際上就是種群在進化中優勝劣汰的一種競爭機制，最終選出最佳的一種方法。此算法自適應能力強，能夠根據不同的交通流調整為不同的群控策略，但遺傳算法搜索時間長，搜索效率低。

1.5專家系統控制算法。專家系統控制算法是根據專家的經驗積累起來的有一定控制規則的推理知識庫，能解決很多需要靠經驗解決的問題，根據這些輸入評價指標信息可以利用推理知識庫按一定的策略去調度電梯。但此算法對復雜的電梯控制系統不適用，主要是局限于專家的知識和經驗。另外控制規則數多的話，系統難以控制，并且影響控制的性能。

2電梯群控技術的發展方向

目前對電梯群控技術的研究雖然取得了一定的成績，但針對對上述群控算法的研究，整體算法優化沒有大的突破，并且很多都在研究階段，實際應用的很少，因此本文在此提出了未來電梯群控技術的發展方向。

（1）多目標優化調度方法。目前研究的能達到電梯滿意度的指標主要有擁擠程度，乘梯時間、候梯時間，長候梯率等幾種，而隨著超高層電梯群發展的越來越迅速，人們對環保的關注度加強，對于電梯的運行速度和電梯的能耗方面研究的不多或者不太深入，所以未來新的優化算法需要包含更多人們關注的指標，并且要根據不同建筑物的電梯運行情況和同一建筑物不同時間區間的需求智能的調整這

（2）多種智能算法融合。以上幾種智能算法只是分析的其中幾種普遍比較成熟的算法，當然還有支持向量機、蟻群算法、混沌理論、petri網等，這些也都已經在電梯群控中有應用。但是上述通過分析它們各自的優缺點我們可以看出電梯群控技術在以后的發展中必然需要將這些算法進行有機的結合，吸收各種算法的優勢彌補劣勢，在電梯群控中根據不同的情況采用不同的算法模塊進行控制，有效的實現電梯群控的智能化，這是未來電梯群控的主要發展趨勢。

（3）基于圖像處理的群控技術。目前電梯群控大多還是通過傳統的外呼按鈕作為獲取乘客信息的設備，進入電梯之后再進行目標樓層的選擇，獲取交通流的實時性和完整性不能得到有效的保證。為了解決這個問題，需要增加一些圖像處理設備對客流信息進行檢測識別，增加智能輸入樓層液晶觸屏顯示器面板提前進行登記，客流信息的完整度掌握非常好的情況下進行派梯會有更好的效果。

（4）基于“互聯網+”的群控技術。隨著“互聯網+”技術的迅猛發展，因網絡通信方面也是影響群控技術的關鍵因素，所以“互聯網+”應用在電梯群控技術也成為未來發展的趨勢，現已經有學者研究了基于手機移動互聯網、物聯網等幾種電梯群控調度方法，它們都是在智能群控算法的基礎上加上與乘客交流信息互動反饋獲取實時的交通流信息，遠程監控系統通過當前時刻實時數據進行調度實現派梯的高效化，很大程度上解決了高峰期客流排隊等待時間長的問題，用戶體驗也很好，未來通過手機客戶端獲取乘客信息改進電梯群控的技術會應用的越來越廣泛。

3 結論

本文對智能電梯群控技術的算法進行了詳細的闡述，并分析了各種算法的優勢和劣勢，針對目前存在的問題提出了未來電梯群控技術的發展方向：我們不僅要進行控制算法的優化研究，也要對電梯群控技術研究不能只停留在理論研究上，如何在實際工程中得以應用也是我們未來需要繼續努力的方向。

參考文獻：

[1]朱賀.論智能控制技術在現代電梯群控系統中的應用[J].

科技與企業.2013 （11）：100-100.

[2]張健，王笑竹.改進GA優化BP神經網絡的電梯群控策略

[J].陜西理工學院學報（自然科學柳. 2015 （4） ：36-39.

[3]鄭曉芳.我國電梯群控系統研究文獻綜述與思考[J].華東

交通大學學報.2012.29 （3）：51-55.

[4]黃支支.電梯群控技術的現狀與發展方向[J].硅谷.

2014.2：82-87.

[5]程誠，周彥暉.淺談基于物聯網的智能電梯群控系統[J].

計算機與網絡.2015.12：69-71.

基金項目：河南省高等學校青年骨干教師資助計劃項目（2013GGJS-206）

作者簡介：張繪敏（1984-），女，碩士，助理講師，目前從事計算機智能控制系統的研究。