电梯垂直交通系统的配置与优化调度问题研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-26页 |
| ·电梯驱动控制技术的发展 | 第14-15页 |
| ·电梯群控制技术的发展 | 第15-16页 |
| ·电梯群优化调度的研究现状 | 第16-22页 |
| ·电梯群优化调度问题的复杂性分析 | 第16-17页 |
| ·电梯群优化调度主要方法 | 第17-19页 |
| ·电梯群优化调度的关键技术 | 第19-22页 |
| ·电梯交通配置技术研究现状 | 第22-23页 |
| ·本文的选题意义及研究内容 | 第23-26页 |
| ·本课题的研究意义 | 第23-24页 |
| ·本课题的研究内容 | 第24-26页 |
| 2 电梯交通系统分区配置的建模与求解 | 第26-41页 |
| ·引言 | 第26-27页 |
| ·电梯交通系统分区配置的建模 | 第27-32页 |
| ·主要性能指标分析 | 第27-30页 |
| ·建立模型目标函数 | 第30-31页 |
| ·建立双层规划模型 | 第31-32页 |
| ·基于遗传算法求解分区配置模型 | 第32-36页 |
| ·编码 | 第33-34页 |
| ·初始种群生成 | 第34页 |
| ·遗传操作 | 第34-35页 |
| ·适应值函数 | 第35页 |
| ·算法流程 | 第35-36页 |
| ·算例及其仿真 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 3 电梯交通需求预测的建模方法 | 第41-48页 |
| ·引言 | 第41页 |
| ·LS-SVM支持向量机回归原理 | 第41-42页 |
| ·建立电梯交通需求迭代学习预测模型 | 第42-43页 |
| ·迭代学习预测模型收敛性分析 | 第43-44页 |
| ·预测结果与讨论 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 4 电梯交通需求的模式识别方法 | 第48-59页 |
| ·引言 | 第48页 |
| ·预备知识 | 第48-49页 |
| ·建立两种电梯交通需求模式识别方法 | 第49-56页 |
| ·建立基于滤波器的模式识别方法 | 第49-52页 |
| ·建立基于SVM技术的模式识别方法 | 第52-56页 |
| ·仿真试验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5 层站呼叫O-D分布的预测方法 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·灰色预测模型与神经网络预测模型分析 | 第60-64页 |
| ·电梯交通层站呼叫分布的描述 | 第60-61页 |
| ·灰色预测模型 | 第61-63页 |
| ·RBF神经网络 | 第63-64页 |
| ·灰色模型与神经网络模型互补性分析 | 第64页 |
| ·建立层站呼叫O-D分布的GM-RBF预测模型 | 第64-67页 |
| ·异常数据修正 | 第64-65页 |
| ·原始观测数据矩阵的累加生成 | 第65页 |
| ·神经网络训练样本及预处理 | 第65-66页 |
| ·层站呼叫O-D分布的预测及误差设定 | 第66页 |
| ·GM-RBF神经网络O-D分布预测算法 | 第66-67页 |
| ·仿真试验 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 6 电梯群优化调度的建模与求解 | 第71-89页 |
| ·引言 | 第71-72页 |
| ·建立优化调度模型 | 第72-79页 |
| ·确定电梯群优化调度模型的目标函数 | 第72-73页 |
| ·确定电梯群优化调度模型的约束条件 | 第73-78页 |
| ·建立电梯群优化调度模型 | 第78-79页 |
| ·改进微粒群算法 | 第79-81页 |
| ·建立改进微粒群算法模型 | 第79-80页 |
| ·改进微粒群算法的特性分析 | 第80-81页 |
| ·基于IPSO方法的电梯群优化调度模型求解 | 第81-84页 |
| ·层站呼叫的编码 | 第81-82页 |
| ·电梯群调度方案的编码 | 第82-83页 |
| ·电梯群优化调度模型的求解 | 第83-84页 |
| ·仿真试验 | 第84-88页 |
| ·本章小结 | 第88-89页 |
| 7 结论与展望 | 第89-91页 |
| 参考文献 | 第91-100页 |
| 附录A 置信区间的确定及证明 | 第100-103页 |
| 攻读博士学位期间发表学术论文情况 | 第103-104页 |
| 致谢 | 第104-105页 |
