基于多模式的电梯群控算法与仿真研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 论文的研究背景 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 选题意义 | 第9页 |
| 1.2 电梯群控制的国内外发展现状 | 第9-13页 |
| 1.3 研究内容 | 第13-14页 |
| 第2章 电梯群控系统的基础理论 | 第14-26页 |
| 2.1 电梯群控系统的结构 | 第14-20页 |
| 2.1.1 电梯控制系统的基本概念 | 第14-15页 |
| 2.1.2 电梯群控制系统发展阶段 | 第15-19页 |
| 2.1.3 电梯群控系统的基本结构 | 第19-20页 |
| 2.2 电梯群控系统的功能 | 第20-21页 |
| 2.3 电梯群控系统特性分析 | 第21-24页 |
| 2.3.1 电梯群控的主要评价指标 | 第22-23页 |
| 2.3.2 群控系统中的不确定因素 | 第23页 |
| 2.3.3 电梯群控系统的扰动因素 | 第23-24页 |
| 2.3.4 电梯群控系统的不完备性 | 第24页 |
| 2.3.5 电梯群控系统的非线性 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 电梯群控系统的模式识别 | 第26-36页 |
| 3.1 大厦的交通模式 | 第26-29页 |
| 3.1.1 上行高峰交通模式 | 第26-27页 |
| 3.1.2 下行高峰模式 | 第27页 |
| 3.1.3 2 路交通模式 | 第27-28页 |
| 3.1.4 4 路交通模式 | 第28页 |
| 3.1.5 平衡的层间交通模式 | 第28-29页 |
| 3.1.6 空闲交通模式 | 第29页 |
| 3.2 神经网络在交通模式识别领域的应用 | 第29-31页 |
| 3.2.1 模糊神经网络的结构 | 第29-31页 |
| 3.2.2 模糊神经网络的学习算法 | 第31页 |
| 3.3 将模糊神经网络应用于交通模式识别 | 第31-34页 |
| 3.3.1 交通模式的特征提取 | 第32页 |
| 3.3.2 确定网络结构 | 第32-33页 |
| 3.3.3 训练网络 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 派梯策略算法的设计 | 第36-46页 |
| 4.1 评价函数的确定 | 第36-37页 |
| 4.2 模糊输入量的计算 | 第37-38页 |
| 4.3 输入变量的模糊化 | 第38-40页 |
| 4.3.1 HCWT的模糊化 | 第38页 |
| 4.3.2 LWT的模糊化 | 第38-39页 |
| 4.3.3 CV的模糊化 | 第39页 |
| 4.3.4 GD的模糊化 | 第39-40页 |
| 4.3.5 UR的模糊化 | 第40页 |
| 4.4 模糊推理的建立 | 第40-44页 |
| 4.4.1 平均候梯时间模糊推理规则 | 第41-42页 |
| 4.4.2 长时候梯率模糊推理规则 | 第42页 |
| 4.4.3 电梯能耗PC的模糊推理规则 | 第42-43页 |
| 4.4.4 电梯的平均乘梯时间的模糊推理规则 | 第43-44页 |
| 4.5 层厅呼叫信号的最终分配 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 群控策略的仿真实现 | 第46-58页 |
| 5.1 派梯仿真 | 第46-55页 |
| 5.1.1 电梯群控仿真方法 | 第46-47页 |
| 5.1.2 仿真设定 | 第47-48页 |
| 5.1.3 仿真的组成 | 第48-49页 |
| 5.1.4 客流发生器及对比算法建模 | 第49-55页 |
| 5.2 仿真结果分析 | 第55-56页 |
| 5.3 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 个人简历 | 第66页 |
