| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题背景及研究的目的和意义 | 第8页 |
| ·电梯群控技术的发展 | 第8-9页 |
| ·电梯群控技术研究现状及分析 | 第9-11页 |
| ·基于专家系统的电梯群控 | 第9页 |
| ·基于模糊逻辑的电梯群控 | 第9-10页 |
| ·基于遗传算法的电梯群控 | 第10页 |
| ·基于人工神经元网络的电梯群控系统 | 第10页 |
| ·基于模糊神经网络的电梯群控 | 第10-11页 |
| ·课题的研究内容与创新点 | 第11-12页 |
| ·课题的研究内容 | 第11页 |
| ·课题的创新点 | 第11-12页 |
| ·本文的文章结构 | 第12-13页 |
| 2 电梯交通流预测 | 第13-21页 |
| ·预测技术的发展情况 | 第13-15页 |
| ·预测方法的常规分类 | 第13-14页 |
| ·预测方法按信息分类 | 第14-15页 |
| ·电梯交通流预测研究现状及分析 | 第15-16页 |
| ·电梯交通流的定义及研究意义 | 第15-16页 |
| ·电梯交通流预测研究现状 | 第16页 |
| ·基于支持向量机的电梯交通流预测方法对电梯交通流预测 | 第16-20页 |
| ·支持向量机 | 第17-18页 |
| ·基于LS-SVM的客流预测 | 第18-20页 |
| ·小结 | 第20-21页 |
| 3 电梯交通模式识别 | 第21-36页 |
| ·电梯交通模式介绍 | 第21-23页 |
| ·电梯交通模式类型 | 第21-22页 |
| ·电梯交通流特征数据获取 | 第22-23页 |
| ·电梯交通模式识别方法 | 第23页 |
| ·基于差分演化算法的神经网络交通模式识别 | 第23-28页 |
| ·差分演化算法 | 第23-24页 |
| ·参数设置 | 第24-25页 |
| ·算法流程 | 第25-27页 |
| ·扩展方式 | 第27-28页 |
| ·DE算法相关应用 | 第28页 |
| ·DE神经网络及其学习方法 | 第28-32页 |
| ·DENN的结构 | 第29-31页 |
| ·DENN的学习算法流程 | 第31-32页 |
| ·应用DENN方法进行电梯交通模式的识别 | 第32-35页 |
| ·交通模式特征值的提取 | 第32页 |
| ·确定网络结构 | 第32-33页 |
| ·差分演化算法的应用 | 第33页 |
| ·简单差分演化算法的仿真结果 | 第33-35页 |
| ·小结 | 第35-36页 |
| 4 电梯群控仿真实验设计与实现 | 第36-55页 |
| ·系统的总体框架 | 第36-43页 |
| ·试验台总体结构 | 第36-37页 |
| ·控制器节点 | 第37-40页 |
| ·电气元器件引脚的实际应用 | 第40-43页 |
| ·试验台CAN总线及控制流程 | 第43-49页 |
| ·CAN总线数据帧 | 第43页 |
| ·CAN总线通信控制 | 第43-45页 |
| ·控制器功能及流程 | 第45-47页 |
| ·电梯控制相关程序 | 第47-49页 |
| ·试验台硬件构成和运行 | 第49-51页 |
| ·试验台运行 | 第49页 |
| ·试验台实物和电梯I/O分配表 | 第49-51页 |
| ·电梯群控仿真系统设计 | 第51-54页 |
| ·仿真系统组成 | 第51-54页 |
| ·仿真系统编程设计 | 第54页 |
| ·仿真运行 | 第54页 |
| ·小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A 电梯部分仿真程序 | 第59-71页 |
| 致谢 | 第71-72页 |