基于模糊控制的電梯群控調度算法設計與研究

劉 影，吳常坤，談麗娟

（江蘇省特種設備安全監督檢驗研究院 無錫分院，無錫214000）

隨著高層、超高層建筑的不斷增多，同時對于智能化建筑的需求日益增加，人們對于高層建筑內的電梯有著更多精細化的要求。為了提高電梯的輸送能力及乘梯舒適度，減少乘客等待時間及能耗損失，一棟建筑內往往安裝多臺電梯，這就引入了電梯群控系統EGCS。由于搭乘電梯的人群具有一定的隨機性，且電梯群控系統存在一定的非線性、不確定性、干擾大及多目標性等問題，這使得電梯群控的數學模型難以建立，故無法使用傳統控制方式。模糊控制模擬人腦的決策過程，不需要建立數學模型，在解決非線性復雜系統控制上有較大優勢，因此采用模糊控制可以解決電梯群控系統的控制問題[1]。

1 電梯群控系統基本原理

1.1 電梯群控系統的結構

電梯群控系統一般要對上百個信號進行處理，一種比較常見的電梯群控系統結構如圖1 所示。

圖1 常見的電梯群控系統結構Fig.1 Structure of common elevator group control system

智能控制系統模塊包含交通確認、 學習模塊、數據管理、派梯控制四大子模塊，為電梯群控系統的核心，負責接收各個電梯的按鈕輸入及其他傳感器的輸入信號，并根據智能控制系統內集成的派梯策略算法，計算出最優派梯方案，并給出控制指令。遠程監控模塊用于監控群控系統中所有電梯的運行狀態、設備信息及安全報警信號[2]。此外，可以通過遠程監控模塊對群控系統的參數進行調整，以滿足所有運行狀態下的最優控制。

1.2 電梯群控系統功能及運行規則

電梯群控系統功能除了包含單梯控制功能外，還應包含以下功能：數據采集功能、數據通信功能、預估計算功能、自學習功能、優先調度功能等。

電梯群控系統的運行規則包括：最小等待時間調度原則、最短距離調度原則、分區調度原則、綜合分析調度原則[3]。

電梯群控系統在空間上和時間上都是離散且隨機的，是一個及其復雜的非線性控制系統。其簡單描述如下：當有乘客按下乘梯按鈕，輸入指令信號后，系統會根據模糊派梯算法，擇優派梯，響應此信號；當電梯運送乘客到指定樓層后，所有信號響應完成，電梯處于空閑狀態，直到出現新的信號指令；當同時出現多個控制輸入信號時，新的招梯信號與舊的輸入信號互不干擾。由此可見，電梯群控系統的派梯算法對于電梯群控系統的服務質量至關重要。電梯群控系統運行流程如圖2 所示。

2 電梯群控調度算法研究

圖2 電梯群控系統運行流程Fig.2 Operation flow chart of elevator group control system

電梯群控系統中有許多標準，各個標準相互不統一，因此要在一個系統中滿足全部的標準是不可行的。在不同的電梯交通模式下，電梯群控系統的評價標準也不盡相同[4]。對此，應綜合考慮乘客的平均候梯時間AWT（average waiting time）、電梯內乘客滿意度APS（average passenger satisfaction）、長時間候梯率LWP（long waiting percent）和能源消耗PC（power consume）等4 個主要指標的加權平均函數作為新的最優評價函數，并根據不同交通模式下選擇不同的權系數來實現不同的需求。電梯群控調度算法是一個評價函數，根據以上4 個標準，可設置算法的評價函數為

其中

式中：Wi為不同交通模式確定的權系數；Si為評價函數值；SAWT為平均候梯時間短的隸屬度；SAPS電梯內乘客滿意度高的隸屬度；SLMP長時間侯悌率低的隸屬度；SPC為能源消耗率低的隸屬度。

根據專家知識及經驗，不同交通模式下的AWT，APS，LWP，PC 對應的權系數見表1[5]。

表1 不同交通模式下各評價條件的權系數Tab.1 Weight coefficient of ecah evaluation condition under different traffic modes

2.1 輸入量的計算

電梯群控系統的評價標準AWT，APS，LWP，PC，其在模糊域的模糊推理量可分別表示為HCWT，GD，UR，maxHCWT，CV。各模糊推理量的計算分析如下：

①HCWTi乘客召喚第i 臺電梯，轎廂到達召喚樓層需要的時間。其中包括轎廂運行和轎廂?？績刹糠謺r間和。②maxHCWTi召喚第i 臺電梯所需要的最長等待時間。③CVi系統內第i 臺電梯響應召喚后，該梯對未來招梯信號的剩余量，該值越大，第i 臺電梯對新招梯信號響應能力越強。④GDi新的招梯指令信號的位置與第i 臺電梯響應的所在層站的信號間集中程度，是反映能耗的重要指標。⑤UR 在上行或下行的某個方向電梯轎廂的利用率。在客流一定的情況下，轎廂利用率越高，電梯的能耗越低。

2.2 輸入變量的模糊化

各個輸入變量的模糊化[6]，就是指將變量轉化為模糊域進行討論的過程，即模糊隸屬函數確定的過程[7]。在此，分別確定HCWT，GD，UR，maxHCWT，CV 的隸屬函數，用L，M，S 代表隸屬度邏輯量中的大、中、小[8]。

2.2.1 HCWT 的模糊化

HCWT 是乘客平均等待時間的模糊量。一般來說，乘客候梯時的心理煩躁程度與時間的平方成正比，通常候梯時間在0～25 s，心態是好的；候梯時間在65 s 以上則心情非常糟糕； 在25～65 s 心態尚能接受。HCWT 的隸屬度函數如圖3 所示[9]。

圖3 HCWT 的隸屬函數Fig.3 Membership function of HCWT

其隸屬值S，M，L 的隸屬函數表達式為

2.2.2 GD 的模糊化

根據專家經驗及公式，當GD 值＜0.3 時，電梯能耗值較?。?當GD 值＞0.7 時，電梯能耗不理想；當0.3≤GD 值≤0.7 時，能耗較為理想[10]。GD 的隸屬度函數如圖4 所示。

圖4 GD 的隸屬函數Fig.4 Membership function of GD

其隸屬值S，M，L 的隸屬函數表達式為

2.2.3 UR 的模糊化

對于UR，一般認為其值小于0.2 時，電梯轎廂的利用率不高； 當其值大于0.6 時，轎廂利用率較高。UR 的隸屬函數圖形如圖5 所示。

其隸屬值S，M，L 的隸屬函數表達式為

圖5 UR 的隸屬函數Fig.5 Membership function of UR

2.2.4 maxHCWT 的模糊化

對于電梯群控系統來說，最長等候電梯時間不宜過長，如果過長則容易導致長候梯事件發生。一般來講，乘客最長候梯時間在50 s 之內是理想的；最長候梯時間超過90 s 則容易讓乘客產生焦急心理。maxHCWT 的隸屬函數如圖6 所示。

圖6 maxHCWT 的隸屬函數Fig.6 Membership function of maxHCWT

其隸屬值S，M，L 的隸屬函數表達式為

2.2.5 CV 的模糊化

一般來講，電梯轎廂載客人數在30%以下時，乘客感到舒適； 載客人數超過70%則乘客覺得擁擠。CV 的隸屬函數圖形如圖7 所示。

圖7 CV 的隸屬函數Fig.7 Membership function of CV

其隸屬值S，M，L 的隸屬函數表達式為

2.3 模糊推理

由輸入變量HCWT，UR，CV 可獲得AWT 的隸屬度；由輸入變量UR，CV 可獲得APS 的隸屬度；由輸入變量maxHCWT，CV 可獲得LWP 的隸屬度；由輸入變量HCWT，GD，UR 可獲得PC 的隸屬度[11]。將4 個評價指標AWT，APS，LWP，PC 的隸屬度也模糊化，用很大（VB）、大（B）、中（M）、?。⊿）、很?。╒S）表示，其隸屬度函數圖像如圖8 所示。

圖8 AWT，APS，LWP，PC 的隸屬度函數圖形Fig.8 Graph of membership function of AWT，APS，LWP，PC

1）平均候梯時間（AWT）少的隸屬度SAWT的模糊推理規則見表2。SAWT可由HCWT，UR，CV 獲得。共27 條規則語句。

表2 SAWT 的模糊推理規則Tab.2 Fuzzy inference rules of SAWT

2）電梯內乘客滿意度（APS）高的隸屬度SAPS的模糊推理規則見表3。SAPS可由UR，CV 獲得。共9 條規則語句。

表3 SAPS 的模糊推理規則Tab.3 Fuzzy inference rules of SAPS

3）長時間候梯率（LWP）低的隸屬度SLWP的模糊推理規格見表4。SLWP可由maxHCWT，CV 獲得。共9 條規則語言。

表4 SLWP 的模糊推理規則Tab.4 Fuzzy inference rules of SLWP

4）能源消耗（PC）低的隸屬度SPC的模糊推理規則見表5。SPC可由HCWT，GD，UR 獲得。共27 條規則語句。

表5 SPC 的模糊推理規則Tab.5 Fuzzy inference rules of SPC

2.4 模糊推理仿真分析

根據上述分析，通過MatLab 的模糊控制器來仿真模糊推理計算過程[12]。在模糊控制器中分別進行了輸入輸出語言模糊化、 隸屬度函數的確立、模糊控制規則表及控制查詢表的設計以后，可以得到隸屬度與各指標之間的關系曲面，如圖9 所示。具體是：SAWT與輸入HCWT，UR，CV 的關系曲面（如圖9a 所示）；SAPS與輸入UR，CV 的關系曲面（如圖9b所示）；SLWP與maxHCWT，CV 的關系曲面（如圖9c所示）；SPC與HCWT，GD，UR 的關系曲面[13]（如圖9d所示）。

圖9 隸屬度與各指標之間的關系曲面Fig.9 Relation surface between membership degree and each index

2.5 模糊電梯群控系統的實現

模糊電梯群控系統實現流程如圖10 所示。

圖10 模糊群控電梯系統實現流程Fig.10 Flow chart of fuzzy group control elevator system

系統首先通過輸入的信號判斷系統處于哪種交通模式，并確定權系數W1，W2，W3，W4，然后計算各評價標準的模擬輸入量，計算不同評價函數的隸屬度，計算所有的可響應電梯的可信度值，并選取可信度值最大的電梯響應召喚[11]。

3 結語

基于模糊控制的電梯群控調度算法能夠在無被控對象精確數學模型的情況下對被控對象實現較好的控制[14]。通過理論計算及MatLab 仿真，驗證了模糊控制算法的優越性，其能更好地協調控制電梯群，提高系統服務效率和服務質量，具有較好的理論參考價值和實際指導價值。