首页--工业技术论文--建筑科学论文--房屋建筑设备论文--机电设备论文--电梯工程论文

电梯交通流分析及电梯群控策略研究

摘要第1-5页
ABSTRACT第5-12页
第一章 绪论第12-25页
   ·研究背景和意义第12-14页
   ·电梯群控系统性能评价第14-15页
   ·电梯交通流研究概况第15-16页
   ·电梯群控调度方法第16-20页
     ·电梯群控策略第16-17页
     ·电梯群控调度方法第17-20页
   ·电梯群控技术应用概况第20-23页
   ·本文主要研究内容及章节安排第23-25页
     ·课题来源第23页
     ·主要研究内容及章节安排第23-25页
第二章 电梯交通流分布推算模型及客流仿真第25-48页
   ·引言第25-26页
   ·乘客O-D 矩阵推算问题第26-31页
     ·乘客O-D 矩阵概念第26页
     ·电梯乘客O-D 矩阵推算问题的提出第26-28页
     ·电梯交通调查第28-30页
     ·O-D 矩阵推算模型第30-31页
   ·乘客 O-D 矩阵推算的极大熵模型第31-33页
     ·极大熵原理第31页
     ·O-D 矩阵推算的极大熵模型第31-33页
   ·极大熵模型的传统方法求解第33-37页
     ·模型修正第33页
     ·先验O-D 矩阵确定第33-34页
     ·模型求解产生实数O-D 矩阵第34-35页
     ·整数O-D 矩阵推定第35-36页
     ·计算实例第36-37页
   ·极大熵模型的遗传算法求解第37-44页
     ·编码及群体初始化第38页
     ·适应值计算及选择策略第38页
     ·交叉操作第38-40页
     ·变异操作第40-41页
     ·计算实例与分析第41-44页
   ·基于乘客O-D 矩阵的客流仿真第44-46页
   ·小结第46-48页
第三章 电梯交通流预测方法研究第48-64页
   ·引言第48-49页
   ·支持向量机与神经网络之比较第49-50页
   ·基于小波支持向量机的电梯交通流预测模型第50-60页
     ·支持向量回归原理第50-52页
     ·小波框架核函数第52-54页
     ·WSVM 交通流预测模型结构第54-55页
     ·交通流预测的WSVM 训练第55-60页
   ·基于BP 神经网络的电梯交通流预测模型第60页
   ·基于WSVM的交通流预测第60-63页
     ·模型训练第60-61页
     ·评价指标第61页
     ·实例第61-63页
     ·结果分析第63页
   ·小结第63-64页
第四章 基于聚类的电梯交通模式识别第64-79页
   ·电梯交通模式识别第64-67页
     ·电梯交通模式类型第64-65页
     ·电梯交通流特征数据获取第65-66页
     ·电梯交通模式识别方法第66-67页
   ·电梯交通模式识别的高斯核粒子群聚类算法第67-75页
     ·标准粒子群优化算法简述第67-68页
     ·Mercer 核距离度量第68-70页
     ·高斯核粒子群聚类算法第70-73页
     ·鲁棒统计分析第73-75页
   ·应用实例第75-78页
   ·小结第78-79页
第五章 基于强化学习系统的电梯群控调度研究第79-104页
   ·引言第79-80页
   ·强化学习系统第80-89页
     ·强化学习原理第80-81页
     ·马尔可夫决策过程(MDP)模型第81-84页
     ·Q 学习算法第84-85页
     ·基于CMAC 网络的Q 学习算法第85-87页
     ·基于先验知识的强化学习系统第87-89页
   ·电梯仿真系统第89-91页
   ·电梯群控算法第91-99页
     ·强化学习群控算法第91-95页
     ·应用先验知识的群控算法改进第95-99页
   ·仿真结果及分析第99-103页
     ·仿真参数设置第99-100页
     ·结果分析第100-103页
   ·小结第103-104页
第六章 电梯群控仿真环境设计及试验研究第104-122页
   ·引言第104-105页
   ·电梯群控仿真环境设计第105-116页
     ·电梯群控试验台设计第105-113页
     ·电梯群控仿真系统设计第113-116页
   ·电梯群控系统综合指标函数和群控策略第116-118页
     ·多目标的综合指标评价第116-117页
     ·电梯群控系统群控策略第117-118页
   ·试验研究第118-121页
     ·试验参数第118-119页
     ·试验结果分析第119-121页
   ·小结第121-122页
第七章 结论与展望第122-124页
   ·全文总结第122-123页
   ·展望第123-124页
参考文献第124-134页
攻读博士学位期间发表及录用的学术论文第134-135页
致谢第135-137页

论文共137页,点击 下载论文
上一篇:数字水印在数字档案中的应用
下一篇:基于DSP的被动声纳信号检测技术应用研究