| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·选题背景及意义 | 第11-12页 |
| ·相关研究现状与发展趋势 | 第12-16页 |
| ·电梯群控技术及其发展 | 第12-14页 |
| ·人工智能算法在电梯群控中的应用 | 第14-16页 |
| ·论文主要内容和基本结构 | 第16-18页 |
| 第二章 电梯群控系统的理论基础 | 第18-27页 |
| ·电梯群控系统的结构与组成 | 第18-19页 |
| ·电梯群控系统动态特性分析 | 第19-22页 |
| ·动态特性中的模糊性 | 第19-20页 |
| ·动态特性中的非线性 | 第20页 |
| ·动态特性中的扰动性 | 第20-21页 |
| ·动态特性中的不完备性 | 第21页 |
| ·动态特性中的多目标性 | 第21-22页 |
| ·电梯群控的调度规则 | 第22-23页 |
| ·电梯群控性能的评价指标 | 第23-26页 |
| ·时间指标 | 第23-24页 |
| ·系统能耗指标 | 第24页 |
| ·载客能力指标 | 第24-25页 |
| ·乘客舒适度指标 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于支持向量分类机的电梯交通模式辨识 | 第27-42页 |
| ·电梯群控系统的交通客流分析 | 第28-31页 |
| ·上行高峰交通 | 第28-30页 |
| ·下行高峰交通 | 第30-31页 |
| ·两路交通 | 第31页 |
| ·层间随机交通 | 第31页 |
| ·基于多值分类SVM的电梯群控交通模式识别 | 第31-39页 |
| ·支持向量分类机简介 | 第32-34页 |
| ·SVM与神经网络之比较 | 第34-35页 |
| ·电梯群控交通模式识别整体分析 | 第35-36页 |
| ·直接多类SVM分类器的设计 | 第36-37页 |
| ·基于直接多类SVM分类器的交通模式识别算法 | 第37-38页 |
| ·训练过程的训练算法设计 | 第38-39页 |
| ·实验结果及分析 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 基于支持向量回归机的多目标电梯群控派梯算法 | 第42-65页 |
| ·派梯过程中的变化因素 | 第42-44页 |
| ·距离变化 | 第42页 |
| ·能耗变化 | 第42-43页 |
| ·时间变化 | 第43页 |
| ·一个运行周期内的停层次数变化 | 第43页 |
| ·电梯忙闲变化 | 第43-44页 |
| ·召唤类型变化 | 第44页 |
| ·群控多目标控制的目标函数确定 | 第44-46页 |
| ·控制目标的提出 | 第44-45页 |
| ·评价函数的确定 | 第45-46页 |
| ·基于支持向量回归机的派梯算法 | 第46-59页 |
| ·输入量的计算 | 第47-48页 |
| ·结合模糊推理获得学习样本 | 第48-52页 |
| ·回归问题 | 第52-54页 |
| ·支持向量回归机的利用 | 第54-59页 |
| ·电梯群控优化调度的仿真 | 第59-64页 |
| ·小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·进一步的工作 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-72页 |
| 详细摘要 | 第72-75页 |