孟凡勝　王育青　李強(qiáng)懿　牛小民　張廣來(lái)

摘 要： 由于電梯本身所具有的多目標(biāo)性、不確定性和非線性，使得在電梯群調(diào)度控制方面容易出現(xiàn)候梯時(shí)間較長(zhǎng)、能量消耗較大等問題。為了減輕這些問題對(duì)電梯群控制的影響，提出了一種基于改進(jìn)粒子群算法的電梯群控方案。仿真結(jié)果表明：以權(quán)值優(yōu)化改進(jìn)粒子群算法加快了控制過程的收斂速度，使得平均到達(dá)時(shí)間、平均擁擠度、電梯的啟停次數(shù)都有了很大的改善，滿足了智能大廈電梯群控系統(tǒng)的需要。

關(guān)鍵詞： 粒子群； 優(yōu)化算法； 電梯； 群控； 方案設(shè)計(jì)

中圖分類號(hào)：TP273 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2015）08-42-02

Design of elevator group control scheme based on improved particle swarm optimization algorithm

Meng Fansheng1， Wang Yuqing1， Li Qiangyi1，2， Niu Xiaomin2， Zhang Guanglai2

（1. Quality and Safety Environmental Protection Division in Qinghai Oilfield Community Management Center， Dunhuang， Gansu 736202， China； 2. Henan Hanwei Electronics Co.，Ltd.）

Abstract： Due to elevator inherent of multi-objective， uncertainty and nonlinear， so in the elevator group scheduling control prone to the problems such as wait for a long time， large energy consumption etc. In order to reduce the impact of these problems to elevator group control， this paper puts forward a kind of elevator group control scheme based on improved particle swarm algorithm. The simulation results show that the weight optimized improved particle swarm algorithm accelerates the convergence speed of the control process， making the average arrival time， average crowded degree， elevator start-stop times to have a lot of improvement， and has met the demands of the intelligent building elevator group control system.

Key words： particle swarm； optimized algorithm； elevator； group control； scheme design

0 引言

隨著高層建筑和智能化建筑不斷出現(xiàn)，人們對(duì)電梯服務(wù)質(zhì)量提出越來(lái)越高的要求[1-3]。單臺(tái)電梯往往不能滿足建筑內(nèi)的交通要求，需要合理安裝多臺(tái)電梯。安裝在一起的多臺(tái)電梯要求其單臺(tái)電梯的控制系統(tǒng)之間相互聯(lián)動(dòng)，且具有監(jiān)控系統(tǒng)，但僅用這種方式不能適應(yīng)客流量的急劇變化，無(wú)法改善在某段時(shí)間內(nèi)必然出現(xiàn)的長(zhǎng)時(shí)間侯梯現(xiàn)象[4-6]。為解決這些問題，多臺(tái)電梯的優(yōu)化調(diào)度系統(tǒng)，即電梯群控系統(tǒng)應(yīng)運(yùn)而生[7-9]。但是由于粒子群算法容易陷入局部最優(yōu)而造成實(shí)際的候梯時(shí)間偏長(zhǎng)、能量消耗大等缺點(diǎn)[10-12]。本文采用慣性權(quán)重優(yōu)化的粒子群算法對(duì)電梯群控進(jìn)行優(yōu)化，以候梯時(shí)間、乘梯時(shí)間、能量消耗和擁擠度作為呼梯信號(hào)的綜合評(píng)價(jià)指標(biāo)，建立了系統(tǒng)的綜合評(píng)價(jià)函數(shù)，仿真試驗(yàn)表明采用該算法能夠提高系統(tǒng)的效率。

1 粒子群算法

粒子群算法的數(shù)學(xué)模型如下：

Vid=ω×Vid+C1×r1（Pid-Xid）+C2×r2（Pgd-Xid）

Xid=Xid+Vid ⑴

式⑴中，d=1，2，…，D，D代表第d維搜索空間；i=l，2，…，m，m是該群體中粒子的總數(shù)；Vid為迭代粒子i飛行速度矢量的第d維分量；Pid為粒子i個(gè)體最好位置（PBest）的第d維分量；Pgd為群體最好位置（GBest）的第d維分量；c1、c2為權(quán)重因子；r1、r2是兩個(gè)在[0， 1]范圍內(nèi)變化的隨機(jī)數(shù)；ω為慣性權(quán)重函數(shù)[13-15]。

2 權(quán)重系數(shù)

電梯群控系統(tǒng)的目標(biāo)是縮短乘客平均侯梯時(shí)間和平均乘梯時(shí)間，降低電梯運(yùn)行消耗、提高電梯運(yùn)行效率和服務(wù)質(zhì)量[6]。第i部電梯響應(yīng)第j個(gè)層站呼梯信號(hào)的綜合評(píng)價(jià)函數(shù)可采用如下形式：

F（i，j）=w1f1（i，j）+w2f2（i，j）+w3f3（i，j）+w4f4（i，j） ⑵

式⑵中，F(xiàn)（i，j）代表第i部電梯響應(yīng)第j個(gè)層站呼梯信號(hào)綜合評(píng)價(jià)函數(shù)，綜合評(píng)價(jià)值最大的電梯為該呼梯信號(hào)的響應(yīng)電梯。f1，f2，f3，f4分別是候梯時(shí)間的評(píng)價(jià)函數(shù)、乘梯時(shí)間的評(píng)價(jià)值、能量消耗的評(píng)價(jià)值和梯內(nèi)擁擠度的評(píng)價(jià)值。w1，w2，w3，w4分別是各評(píng)價(jià)值對(duì)應(yīng)的權(quán)重系數(shù)，且w1+w2+w3+w4=1。對(duì)w的不同選擇，體現(xiàn)了在各種客流交通狀況下各因素的不同側(cè)重。如客流高峰時(shí)以減少候梯、乘梯時(shí)間為主，可增大f1，f2的權(quán)值；可增大f3權(quán)重系數(shù)w1，w2，在電梯空閑時(shí)以減少能量消耗的權(quán)重系數(shù)w3。

3 改進(jìn)粒子群算法

由于標(biāo)準(zhǔn)粒子群在尋找最優(yōu)時(shí)容易陷入局部最優(yōu)，從而使得控制難度增加。為了解決這種問題提出了基于慣性權(quán)重的改進(jìn)粒子群算法。表達(dá)式為：

⑶

式⑶中，h為當(dāng)前迭代次數(shù)，H為總迭代次數(shù)。ω的變化影響了上一代速度對(duì)當(dāng)前代速度的控制。通過調(diào)節(jié)ω的取值可控制算法在全局和局部尋優(yōu)能力。ω的值越大，全局尋優(yōu)的能力就越強(qiáng)，局部尋優(yōu)的能力就越弱。

在大多數(shù)的控制方案中，為了控制方便就將慣性權(quán)重取值為常數(shù)，但后來(lái)仿真發(fā)現(xiàn)，把它轉(zhuǎn)換成動(dòng)態(tài)的，能夠比固態(tài)具有更好的尋優(yōu)結(jié)果。動(dòng)態(tài)慣性權(quán)值可以在搜索過程中線性變化，亦可動(dòng)態(tài)改變。

4 本文方案設(shè)計(jì)

Step 1：初始化粒子群及每個(gè)粒子的速度：設(shè)定粒子的最大速度Vmax和最小速度Vmin，在區(qū)間[Vmin，Vmax]內(nèi)隨機(jī)產(chǎn)生每個(gè)粒子的速度，設(shè)置初始慣性權(quán)值ω，學(xué)習(xí)因子c1和c2，種群規(guī)模和迭代次數(shù)等。

Step 2：計(jì)算每個(gè)粒子的適應(yīng)度值，判斷算法是否達(dá)到最大迭代次數(shù)，或粒子的適應(yīng)度值小于某個(gè)設(shè)定值，滿足條件則轉(zhuǎn)到Step 5，否則轉(zhuǎn)到Step 3。

Step 3：確定每個(gè)粒子的個(gè)體極值和全局極值。

Step 4：更新每個(gè)粒子的速度和位置：根據(jù)式（1）和式（2）更新粒子的速度和位置，并判斷更新后粒子的速度和位置是否在限定的范圍之內(nèi)。

Step 5：算法迭代停止，輸出結(jié)果。

5 仿真分析

電梯的控制問題主要是解決客流量的問題，仿真環(huán)境參數(shù)設(shè)置：電梯數(shù)為5部，樓層高為20層，每層高為3m，總客流量為1000人，電梯額定速度為3m/s，額定加速度為1m/s2，電梯容量為15人，額定載重為1000kg，乘客的平均進(jìn)出時(shí)間為2s，實(shí)驗(yàn)中客流量設(shè)為1人/1s，系統(tǒng)仿真時(shí)間為1000s，仿真人數(shù)為1000人。

得出本文方案與粒子群算法在長(zhǎng)時(shí)間候梯率、平均乘梯時(shí)間、平均擁擠度、起/停次數(shù)的仿真結(jié)果。如表1、表2、表3中所示。

表1 兩種算法在上高峰交通流下的仿真

[控制方式＼&長(zhǎng)時(shí)間侯梯率＼&平均到達(dá)時(shí)間＼&平均擁擠度＼&起/停次數(shù)＼&粒子群算法＼&35%＼&36s＼&23%＼&55＼&本文方案＼&23%＼&21s＼&11%＼&36＼&]

表2 兩種算法在下高峰交通流下的仿真

[控制方式＼&長(zhǎng)時(shí)間侯梯率＼&平均到達(dá)時(shí)間＼&平均擁擠度＼&起/停次數(shù)＼&粒子群算法＼&33%＼&39s＼&25%＼&50＼&本文方案＼&22%＼&23s＼&12%＼&33＼&]

表3 兩種算法在層間均衡交通流下的仿真

[控制方式＼&長(zhǎng)時(shí)間侯梯率＼&平均到達(dá)時(shí)間＼&平均擁擠度＼&起/停次數(shù)＼&粒子群算法＼&21%＼&32s＼&28%＼&52＼&本文方案＼&12%＼&19s＼&15%＼&35＼&]

仿真結(jié)果表明：本文方案比粒子群算法長(zhǎng)時(shí)間侯梯率、平均到達(dá)時(shí)間、平均擁擠度、起/停次數(shù)在三種交通模式下平均都有所改進(jìn)。改進(jìn)后的粒子群算法，保留了粒子群算法的全局多樣性，加快了收斂速度，在電梯群控系統(tǒng)應(yīng)用中表現(xiàn)出一定的優(yōu)越性。

6 結(jié)束語(yǔ)

本文用改進(jìn)粒子群優(yōu)化算法來(lái)研究電梯群控調(diào)度策略，提出了一種基于慣性權(quán)重的改進(jìn)粒子群算法。該算法能夠很好解決一些具有復(fù)雜性、非線性變化的優(yōu)化問題。仿真結(jié)果表明，改進(jìn)粒子群算法加快了控制過程的收斂速度，使得長(zhǎng)時(shí)間候梯率、平均到達(dá)時(shí)間、平均擁擠度、電梯的啟停次數(shù)都有了很大的改善。本文研究的重點(diǎn)是針對(duì)客運(yùn)電梯載人的情況，仿真時(shí)只考慮人的進(jìn)出而沒有考慮貨物的進(jìn)出，而實(shí)際生產(chǎn)生活中會(huì)出現(xiàn)人貨共存的局面，因而在人貨共存的情況下該方案應(yīng)用效果如何，還有待進(jìn)一步研究。

參考文獻(xiàn)：

[1] Zhu Yan， Liu Yuemin. New Multi-objective Elevator Dispatching

Strategy Based on Clonal Selection Algorithm[J]. Journal of Data Acquisition and Processing，2012.27（3）： 353-357

[2] FU Li-jun， ZHOU Chong. Optimal Dispatch Control Simulation of

Elevator Group Control System[J]. Computer Simulation，2012.29（4）：263-267

[3] XU Yuge， SONG Yaling， LUO Fei， ZHAO Xiaocui. Novel particle

swarm optimization policy in destination registration elevator group control system[J]. Journal of Beijing Jiaotong University，2012.36（5）：134-138

[4] 李強(qiáng)懿.無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署算法的研究[D].河南科技大學(xué)，

2013：1-67

[5] WU Gui-fang， WU Sheng. A New Scheduling Strategy of Elevator

Group Control Based on Pdf Control[J]. Mathematics in Practice and Theory，2012.42（7）：148-154

[6] 李強(qiáng)懿，馬冬前，張聚偉.基于平衡距離的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署

算法[J].電子技術(shù)應(yīng)用，2013.39（4）：96-98

[7] ZHU Yan，LIU Yue-min. Elevator Group Control Policy with New

Destination Registration Based on Artificial Immune Algorithm[J]. Electric Drive，2012.42（9）：51-55

[8] 李強(qiáng)懿， 馬冬前， 張聚偉， 付主木. 基于證據(jù)理論的無(wú)線傳感器網(wǎng)絡(luò)

節(jié)點(diǎn)部署算法[J].計(jì)算機(jī)測(cè)量與控制，2013.21（6）：1715-1717

[9] SHEN Hui-yang，YANG Xiang-yu. Elevator Group Control

Strategy Based on Call Recognition and Shielding [J]. Electric Drive，2012.42（9）：56-60

[10] 白舸， 張海濤， 劉翠蘋， 李強(qiáng)懿. 基于遺傳模擬退火算法的WSN廣

播算法研究[J].計(jì)算機(jī)測(cè)量與控制，2013.21（11）：3053-3056

[11] LI Li， LI Hong-qi， WANG Chao， SUN Jing-ying， CUI Gang.

Research on Intelligent Optimal Dispatching Method in Eelevator Group Control Systems Based of PSO [J]. Computer Science，2012.39（11A）：331-333

[12] 賀學(xué)劍，李強(qiáng)懿，白舸，陳家新，李振東，郭淑香.無(wú)線傳感器網(wǎng)絡(luò)中覆

蓋空洞修復(fù)算法[J].微電子學(xué)與計(jì)算機(jī)，2013.30（12）：97-99

[13] ZHANG Yu-Yang， LIU Man-hua， HAN Tao. Elevator-Waiting

People Counting System Based on Mean Shift Segmentation and SVM Classification[J]. Optics and Precision Engineering，2013.21（4）：1079-1085

[14] 李強(qiáng)懿， 馬冬前， 張聚偉. 基于感知概率的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部

署算法[J].計(jì)算機(jī)測(cè)量與控制，2014.22（2）：643-645

[15] LI Xiao-qian， WANG Zhi-sheng， ZHEN Zi-yang. Application of

Cultural Algorithm in Elevator Group Control System [J]. Computer Simulation，2013.30（7）：300-303