多策略改進SSA算法優化下電梯起重機械節能多目標平衡控制

摘 要：為了提升電梯起重機械控制的適應性，確保節能效果和客戶舒適度，本文提出多策略改進SSA算法優化下電梯起重機節能多目標平衡控制方法。綜合考慮在電梯的啟動、停止、勻速不同運行狀態和相應載荷變化下電梯起重機械能耗和乘客舒適度之間的平衡，構建電梯起重機械節能控制模型和約束條件，以確保在不同運行模式下節能的同時，也能為乘客提供便捷的乘坐體驗。采用多策略改進的麻雀搜索算法，通過Sine混沌映射優化初始種群，結合邊界學習策略更新發現者位置，求解最優節能控制策略。實驗結果表明，所提方法改進的算法求解過程均勻分布，易跳出局部極值，可以在不同運行模式、載荷變化下降低能耗，節省乘坐時間，提升乘客舒適度。

關鍵詞：多策略，麻雀搜索算法，電梯起重機械，節能控制，舒適度，邊界學習策略

DOI編碼：10.3969/j.issn.1002-59442025.04.031

0 引 言

在節能減排環境下，在高層建筑中能耗占比較大的電梯作為垂直交通的重要工具，其能耗問題日益受到人們的關注[1]。電梯起重機械作為電梯系統的核心部分，其能耗直接關系到整個電梯系統的能源利用效率[2]。因此，研究電梯起重機械的節能控制方法具有重要意義[3]。

當前，電梯起重機械的節能控制方法已成為研究熱點之一。眾多學者和工程師致力于開發新的控制策略和技術手段，以優化電梯起重機械的運行過程[4]，減少不必要的能量消耗。例如，彭云建等[5]以最少乘客平均候梯時間為優化目標，并結合電梯系統的服務時間與能耗等指標，建立電梯系統優化調度模型，達到降低能耗的目的。依據等間隔運行模式思想，設計候梯等間隔派梯規則，實現電梯群組的動態調度節能。該方法的節能控制假設電梯以固定的時間間隔運行，但在實際應用中，特別是高峰時段、低峰時段，難以同時滿足節能目標和乘客舒適度目標，導致在節能控制時無法降低乘坐時間，影響乘客的舒適度。劉宇等[6]通過考慮調度環境、電梯行為和調度目標，在訓練過程中不斷學習并優化調度策略，以適應不同調度環境下的電梯行為變化，完成電梯節能控制。該方法使用的強化學習A3C算法需要高質量的數據來進行訓練和學習。如果訓練數據的潛在解集合存在分布不均勻的問題時，該算法對最優解的求解效果不佳，影響方法的節能控制效果。Lee等[7]通過捕捉乘客的手勢或身體動作來識別其意圖，進而控制電梯的運行。通過引入加權K-最近鄰算法，實現電梯節能控制。在高峰時段，電梯的運行模式和乘客需求模式會發生變化，乘客的進出頻率和目的地分布也會有所不同。然而，該方法使用的加權K-最近鄰算法主要依賴于歷史數據進行模式識別，對于實時變化的運行模式則無法迅速適應，從而導致節能效果不佳。顧玲麗等[8]通過引入強化學習機制，使蟻群算法在搜索過程中能夠不斷學習和調整策略，以適應不同高層住宅電梯群的實際運行需求。將用戶體驗和能耗作為優化目標，構建電梯調度問題的數學模型，并利用蟻群算法的并行搜索能力和全局優化特性求解該模型，尋找最優的電梯調度方案，降低電梯能耗。該方法使用的強化蟻群算法無法全面地搜索解空間，在迭代和試錯容易陷入局部最優解，影響電梯起重機械節能控制模型求解效果，導致電梯起重機械能耗較大。

為了解決上述研究方法的不足，提升電梯起重機械節能效果和乘客舒適度，研究基于多策略改進麻雀搜索算法的電梯起重機械節能控制方法。綜合考慮在電梯的啟動、停止、勻速不同運行狀態和相應載荷變化下電梯起重機械能耗和乘客舒適度之間的平衡，構建電梯起重機械節能控制模型和約束條件，以確保在不同運行模式下實現節能的同時，也能為乘客提供便捷的乘坐體驗。利用多策略改進麻雀搜索算法，增強控制模型的全局搜索能力，解決陷入局部最優解的問題，優化電梯起重機械節能控制效果。

1 電梯起重機械節能控制

1.1 電梯起重機械節能控制模型構建

電梯啟動和停止時，電梯的起重機械需要消耗能量來克服靜止或運動狀態的慣性，使電梯能夠平穩地開始運行或停下來。在電梯勻速運行時，為了維持電梯穩定的運動狀態，電梯的起重機械同樣需要消耗一定的能量。電梯起重機械節能控制需要在電梯的啟動、停止、勻速不同運行狀態轉換和相應載荷變化下靈活自適應調整起重機械能量，降低起重機械消耗能量。為此，需要節能控制的電梯起重機械的能耗主要包含兩部分，分別是控制電梯啟動和停止耗能Ga，以及控制電梯勻速運行耗能Gb。其中，Ga為電梯起重機械從靜止狀態進入運行狀態，以及電梯到達目的地起重機械準備結束運行狀態的能耗[9-10]，即加速和減速能耗。Gb為電梯起重機械為了克服轎廂和乘客的重力，以及維持電梯穩定運行所消耗的能量[11]。在勻速階段，電梯起重機械會以恒定的功率運行，確保電梯在樓層之間平穩移動。令電梯起重機械數量是 ，電梯起重機械的總能耗為：

依據式（4）構建最小能耗的電梯起重機械節能控制目標函數，公式如下：

F=min G（5）

考慮到實際應用中，控制系統為了節能，會降低電梯的運行功率，或者減少同時運行的電梯數量或優化停靠樓層，這可能會導致乘客感覺電梯運行變慢，尤其是在高峰時段或需要快速到達目的地時會增加乘客的等待時間。為此，電梯起重機械節能控制模型需要綜合考慮能耗和乘客舒適度之間的平衡，以確保在節能的同時，也能為乘客提供便捷的乘坐體驗。為此，基于不同時間段，將乘客乘坐電梯的舒適度作為控制模型的約束條件。

乘客乘坐電梯的舒適度R與電梯等候時間t w、樓梯層間運行時間te、啟動與停止時間taλ，以及乘客上下梯時間等存在密切關聯。t w為乘客按下電梯按鈕到電梯到達并開門的時間。te為電梯從起始樓層到目標樓層所需的時間。較長的tw、te會給乘客帶來不便，直接影響乘客乘坐電梯的R。 taλ為電梯從靜止狀態開始加速到勻速運行所需的時間，以及電梯從勻速運行減速到靜止狀態所需的時間。 tsλ為乘客進出電梯所需的時間。這個時間雖然較短，但在高峰期或電梯容量有限時，如果上下梯時間過長，可能導致電梯等待時間增加，影響乘客的整體體驗，降低乘客乘坐電梯的R 。基于上述舒適度分析，R主要與乘客乘坐時間有關，則R 的計算公式為：

式中： λ為電梯起重機械控制電梯啟動與停止的次數；M為電梯運行期間，起重機械控制電梯啟動與停止的總次數；A為最大乘載人數； δλ/A為擁擠系數； δλ為經過 λ次啟動與停止后的實際乘客數量。

則基于乘客乘坐電梯舒適度的電梯起重機械節能控制模型約束條件，即令消耗時間不高于乘客期望等待時間，具體表述為：

通過結合節能目標函數式（5）與舒適度約束條件式（7），構建電梯起重機械節能控制模型 。為了提升電梯起重機械節能控制的自適應性，獲得平滑節能目標和舒適度目標的多目標平衡最優控制方案，需要對控制模型進行多目標優化求解。

1.2 基于多策略改進SSA算法的節能多目標平衡控制優化實現

通過結合節能目標函數式（5）與舒適度約束條件式（7），構建電梯起重機械節能控制模型 。為了提升電梯起重機械節能控制的自適應性，獲得平滑節能目標和舒適度目標的多目標平衡最優控制方案，需要對控制模型進行多目標優化求解。

1.2 基于多策略改進SSA算法的節能多目標平衡控制優化實現麻雀搜索算法求解1.1小節構建的電梯起重機械節能控制模型Z ，獲得最小能耗和最優舒適度對應的起重機械節能控制策略。

為了解麻雀搜索（Sparrow Search Algorithm，SSA）算法求解電梯起重機械節能控制模型過程中的適用性和局限性，并有針對性地提出改進策略，需要先利用SSA算法求解電梯起重機械節能控制模型，再以此為基礎，設計多策略改進SSA算法，解決SSA算法存在的不足，提升模型求解精度。具體步驟如下：

步驟1：初始化。令每個麻雀個體均為一個潛在的電梯起重機械節能控制策略（即啟動與停止的 臺電梯）Z 。初始化種群內存在N 個麻雀個體，即N個潛在的電梯起重機械節能控制策略。令第 個麻雀個體的表達形式為Z^i=（Z^i，1，Z^i，2…，Z^i，D），D為電梯控制能耗潛在解的空間維度。

步驟2：更新發現者位置Zτ^i，^j。Zτ^i，^j為已經找到較為節能的啟動與停止電梯控制數量的個體，它們通過不斷地搜索和嘗試[12]，為整個啟動與停止電梯群體提供優化的方向。Zτ^i，^j的更新公式如下：

式中：γ1、γ2為（0 ，1）內的任意數，且在這個范圍內，每個數被選中的概率都是相等；γ3為（0.5，1）內的任意數；τ為迭代次數；τmax為τ值；^j為維度編號；ζ為電梯運行速度任意數，且遵循一種特殊的概率分布。

步驟3：更新電梯能耗跟隨者位置Z'τ+1 ^i，^j。跟隨者根據發現者提供的節能控制策略進行調整和優化，以期望找到更優的電梯起重機械節能控制策略[13-15]。

在SSA算法中，發現者位置更新方式易于陷入局部極值，應用在節能控制模型多目標平衡求解任務中，影響求解效果。通過邊界學習策略改進發現者未發現較優電梯起重機械節能控制策略時的位置更新方式，可有效解決上述問題，增強全局優化搜索能力。

引入邊界學習策略后，發現者位置更新公式如下：

式中：ρ為（0，1]內的任意數，且在這個范圍內，每個數被選中的概率都是相等的。

利用Sine混沌映射策略和邊界學習車輛，設計多策略改進SSA算法，求解1.1小節構建的電梯起重機械節能控制模型，尋找能夠在滿足約束條件（乘客乘坐電梯的舒適度）的前提下，最小化電梯起重機械能耗的最優節能控制策略，具體步驟如下：

步驟1：利用Sine混沌映射策略，初始化電梯起重機械節能控制模型的潛在解集合。

步驟2：求解各麻雀的適應度與適應度均值。

步驟3：依據邊界學習策略，更新^Zτ+1 ^i，^j為整個群體提供電梯起重機械節能控制模型求解的優化方向。

步驟4：更新Zτ w、Fw、Zτ u、Fu，并分析算法是否達到τmax，若達到τmax，則輸出最小能耗和等待時間對應的電梯起重機械節能控制策略。反之，返回步驟2。由此完成電梯起重機節能多目標平衡控制。

2 實驗分析

2.1 實驗環境與參數設置

在電梯起重機械節能控制方法的研究和實驗中，實驗對象是由電梯的驅動裝置、控制系統，以及傳感器等共同構成的電梯起重機械，該電梯起重機械的相關參數見表1。該電梯起重機械節能控制的實驗環境如圖1所示。

在圖1所示的NICE3000+型號電梯控制柜內，進行電梯起重機械節能控制實驗，分析本文方法的節能控制效果。將傳感器采集的電梯運行速度、不同速度能耗、電梯轎廂質量等信號輸入到電梯控制核心處理器STC89C52單片機中。在電梯控制核心處理器中搭載Windows 10操作系統和MATLAB仿真平臺。仿真平臺運行Python編程語言采用Tensorflow深度學習框架訓練文中設計算法。設置SSA算法參數，控制模型解（麻雀個體）D：10個；潛在解的空間維度N：5；任意數γ1、γ2、γ3分別為0.5、0.5、0.6；最大迭代次數τmax為450；任意數ζ為5；任意數ν為-0.5；電梯起重機械節能控制模型潛在解的上、下限ψ'、ψ'為-1、1；控制參數-ω為8；任意數ρ為0.5。

2.2 實驗結果分析

2.2.1多策略改進SSA算法求解性能測試

利用本文設計的多策略改進S SA算法求解電梯起重機械節能控制模型，得到最佳的節能控制策略，初始種群個體在電梯起重機械節能控制模型潛在解空間內的分布情況如圖2所示。

由圖2可知，不同種類潛在解分布不均勻，算法可能陷入局部最優解，而全局最優解的搜索難度較大。在此條件下，本文方法利用Sine混沌映射策略改進后，求解電梯起重機械節能控制模型，測試算法改進后的迭代求解性能，結果如圖3所示。

由圖3可知，算法改進前，求解最優方案適應度在55次時出現降低，且在適應度值達到0.8時即輸出最優解，說明算法陷入了局部最優解。而本文方法通過Sine混沌映射策略，使得初始種群在求解空間內均勻分布，然后利用邊界學習策略提高算法的全局搜索能力，易于跳出局部極值，提高求解的準確性和有效性，利于提升電梯起重機械節能控制效果。

2.2.2 電梯起重機械節能控制性能測試

利用改進算法求解節能控制模型后，可獲取最優電梯起重機械節能控制策略，見表2。

基于表2控制參數對電梯起重機械進行節能控制。

1）電梯不同運行速度、不同載荷狀態下電梯起重機械能耗測試

由表1中的電梯起重機械參數可知，起重機系統空載時自重載荷為2000 kg，額定重載載荷為3600kg。測試經過本文方法、文獻[5]方法、文獻[6]方法控制前后，該電梯在2000～3600 kg不同載荷狀態下，起重機械在啟動、停止、勻速不同加減速運行狀態（0～1.6 m/s）下的能耗變化情況如圖4所示。

從圖4中可以看出，隨著載荷重量與運行速度的增長，該電梯起重機械的能耗均呈上升趨勢，經過本文方法控制前，最高能耗達到1500 kJ。而應用文獻[5]方法、文獻[6]方法方法控制后，能耗明顯降低，但在1200 kJ以上。而應用本文方法控制后的電梯起重機械能耗，均明顯低于其他方法，降至900kJ以下。對比實驗證明：本文方法可有效完成電梯起重機械節能控制，并降低電梯起重機械的能耗。

2）不同時段內電梯起重機節能控制后的乘客舒適度測試

測試高峰時段和空載時段，電梯起重機節能控制后的在不同樓層100名乘客包括等待時間和上下梯時間的總乘坐時間，總乘坐時間越少，有利于提升乘客舒適度，也能證明該方法進行節能控速過程中對乘客便利體驗影響較小。測試結果如圖5所示。

由圖5可知，在5：0 0—8：0 0、10：0 0—13：0 0、17：00—19：00這三個乘客高峰時段，應用本文方法進行電梯起重機節能控制后，總乘坐時間低于控制前和其他方法，控制在5 min以內。這是因為本文方法有效控制電梯的速度和加速度，在減少能源消耗的同時，還可以實時交通流量和乘客需求次數優化電梯的運行，減少空載和半載運行，減少乘客的等待時間和電梯的停靠次數，提高乘客的滿意度和舒適度。

由于本文方法在舒適度約束中建立了舒適度評價指標，乘客乘坐電梯的舒適度指標置信度越大，說明乘客乘梯越舒適。因此分析應用本文方法控制后，該電梯的乘客乘梯舒適度，分析結果如圖6所示。

從圖6中可以看出，在早、中、晚乘客流量較高時，舒適度指標置信值較低，表示此時乘客乘梯的舒適度有所下降。但本文方法控制后不同時刻舒適置信度均未低于閾值，而其他方法存在低于閾值情況。這說明應用本文方法后，該電梯的乘客乘梯舒適度較優，可為乘客提供較好的乘梯體驗。

3 結 論

研究多策略改進SSA算法優化下電梯起重機節能多目標平衡控制方法。實驗結果證明，該方法在電梯運行模式、載荷變化下能夠自適應調整起重機械能量，在降低起重機械消耗能量的同時降低乘客乘坐時間，提升舒適度。同時在理論上引入多種策略對傳統的SSA算法進行改進，有效地克服了傳統算法在求解控制模型時容易陷入局部最優的缺點，使得SSA算法在全局搜索和局部精細調整之間取得了良好的平衡，提高求解的準確性和穩定性。

參考文獻

[1]楊紅娟，周謙，李凱凱，等.基于有軌制導車輛的多維度電梯物理模型建立與控制系統研究[J].中國工程機械學報，2021，19（3）：201-206.

[2]方俊杰，潘偉，徐潤喆，等.基于CW-VIKOR法的電梯運行狀況安全評估[J].中國安全生產科學技術，2022，18（5）： 229-234.

[3]覃羨烘.基于RBFNN的橋式起重機AHSMC控制策略[J].控制工程，2022，29（9）：1679-1687.

[4]余震，余進，王海蘭，等.基于拉格朗日算法的起重機搖擺模型構建及其防搖擺模糊控制系統仿真分析[J].武漢科技大學學報，2022，45（3）：197-203.

[5]彭云建，杜藝聰，仲兆峰.基于等間隔運行模式的群組電梯系統優化調度方法[J].控制理論與應用，2023，40（5）：949-956.

[6]劉宇，張聰，李濤.強化學習A3C算法在電梯調度中的建模及應用[J].計算機工程與設計，2022，43（1）：196-202.

[7]LEE S Y， CHO I P， HONG C P. Contactless elevator button control system based on weighted k-nn algorithm"for al edge computing environment[J]. Journal of web"engineering， 2022， 21（2）： 443-457.

[8]顧玲麗，董佳琦，許洪華.基于強化蟻群算法的高層住宅電梯群調度研究[J].計算機仿真，2022，39（1）：412-417.

[9]毛清華，張強.融合柯西變異和反向學習的改進麻雀算法[J].計算機科學與探索，2021，15（6）：1155-1164.

[10]李大海，李鑫，王振東.融合多策略的增強麻雀搜索算法及其應用[J].計算機應用研究，2023，40（10）：3032-3039.

[11]閆少強， 劉衛東， 楊萍，等. 基于K - m e a n s 聚類的多種群麻雀搜索算法[ J ] . 北京航空航天大學學報，2024，50（2）：508-518.

[12]肖友剛，王輝堤，李蔚，等.橋式起重機定位防擺改進型自抗擾控制[J].控制理論與應用，2023，40（3）：574-582.

[13]石懷濤，姚福星，白曉天，等.基于能量分析的橋式起重機防擺控制方法[J].控制與決策，2021，36（12）：3091-3096.

[14]巫江祥，陸后軍.基于干擾觀測器的橋式起重機終端滑模控制[J].控制工程，2021，28（9）：1867-1872.

[15]丁偉.基于AMESim的起重機回轉系統建模與沖擊抑制[J].機床與液壓，2022，50（22）：69-73.

作者簡介

汪保良，通信作者，碩士研究生，高級工程師，主要從事機電類特種設備檢驗工作。

（責任編輯：袁文靜）