CN103466398B - 一种基于遗传算法-神经网络算法的电梯对重调节方法 - Google Patents
一种基于遗传算法-神经网络算法的电梯对重调节方法 Download PDFInfo
- Publication number
- CN103466398B CN103466398B CN201310441644.XA CN201310441644A CN103466398B CN 103466398 B CN103466398 B CN 103466398B CN 201310441644 A CN201310441644 A CN 201310441644A CN 103466398 B CN103466398 B CN 103466398B
- Authority
- CN
- China
- Prior art keywords
- elevator
- neural network
- passenger
- floor
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Elevator Control (AREA)
Abstract
本发明提供了一种对电梯对重的重量进行调整的方法。步骤是：记录下电梯从起始层开始启动时的对重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间；电梯运行；电梯返回至起始层后，记录下电梯所耗用的总电能；用电梯所耗用的总电能除以乘客需要前往的楼层总和，得到平均每层消耗的电能；重复试验，获得样本数据，再通过上述的样本数据进行神经网络的训练，再由遗传算法对该神经网络模型进行寻优计算，找到最优的对重参数。本发明提供的对重调节方法，属于智能运算，可以根据乘客人数，前往的楼层，当前的时间作为最优的判定，有效地使电梯的对重工作在最佳重量部件下，降低了电梯的能耗。
Description
技术领域
本发明提供了一种对电梯对重的重量进行调整的方法，特别是涉及了基于遗传算法和神经网络算法的对重调节方法，属于控制工程技术领域。
背景技术
我国是一个人口大国，随着城市和工业化进程的不断加速，日益突出的能源矛盾已经成为制约我国经济发展的重要问题。2008年4月1日《中华人民共和国节约能源法》正式实施，节约能源、建设节约型社会已经成为我国的一项基本国策。电梯作为城市建筑中最重要的耗电设备之一，其节能降耗工作已越来越受到政府、生产商和用户的关注。近年来，电梯生产企业加大了技术研发力度， “环保电梯”、“绿色电梯”等概念被纷纷提出。
升降电梯是一个势能性负载，为了均匀拖动负载，电梯由曳引机拖动的负载是由载客轿厢和对重平衡块组成，只有当轿厢载重量约为50%（1吨载客电梯乘客为7人左右）时，轿厢和对重平衡块才相互平衡，否则，轿厢和对重平衡块就会有质量差，使电梯运行时产生机械位能，导致电梯在运行时需要消耗更多的电能以克服机械位能差。曳引式电梯由于“对重机构”的作用，在不同的负载情况下的耗电量是非常悬殊的，因此在不同负载情况下的能量效率相差较大。
针对上述的问题，可变对重的设计方案层出不穷，但是，由于电梯的运行复杂，会受到不同的客运时间、乘客次数、乘客前往的楼层数等影响，都会导致电梯对重无法工作于最佳条件下，导致能耗偏高。
反向传播神经网络(Back propagation neural network, BPNN)是神经网络算法最具代表性的也是最常用的网络类型。通常，它由一个输入层、一个或一个以上隐藏层、一个输出层组成，层与层之间通过权值和阈值进行连接，上下层之间实现全连接，而每层神经元之间无连接。当学习样本提供给网络后，神经元的激活值从输入层经由各中间层向输出层传播，在输出层的各神经元获得网络的输入相应。接下来，按照减小目标输出与实际误差的方向，从输出层经由各中间层逐层修正各连接权值，最后回到输出层。
遗传算法是一种借鉴生物界自然选择和自然遗传机制的并行、随机、自适应搜索算法。其主要思想是将原问题的解集作为一个种群，通过复制(replication)，交叉(crossover)和变异(mutation)三个遗传操作算子对种群进行进化，最终得到一个最优种群，作为问题的最优解。它具有简单、通用普适性强，适用于并行处理和应用范围广等优点，在工程优化领域得到了广泛的应用。
发明内容
本发明的目的是：提供一种电梯对重的调节方法，可以根据乘客的人数以及乘客需要去的楼层进行适应性的调整，以降低电梯的能耗。采用的技术方案是：
一种基于遗传算法-神经网络算法的电梯对重调节方法，包括如下步骤：
S1，记录下电梯从起始层开始启动时的对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间；电梯运行；电梯返回至起始层后，记录下电梯所耗用的总电能；用电梯所耗用的总电能除以乘客需要前往的楼层总和，得到平均每层消耗的电能；重复试验，获得样本数据；
S2，以对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间作为神经网络模型的输入变量，以平均每层消耗的电能作为神经网络模型的输出变量，对神经网络模型进行训练，得到训练好的神经网络模型；
S3，记录下乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间，以电梯的对重重量为初始种群，以平均每层消耗的电能作为适应度函数值，通过遗传算法找到最优的电梯的对重重量；
S4，将电梯的对重重量调节为遗传算法计算得到的最优值，运行电梯。
作为本发明进一步的改进，所述的神经网络模型是指BPNN神经网络。
作为本发明进一步的改进，BPNN神经网络的参数设置为：隐含层传递函数是双曲正切函数，输出层传递函数是线性函数，训练函数是Levenberg-Marquardt算法，性能函数采用均方误差，训练次数设置为200次。
作为本发明进一步的改进，BPNN神经网络的隐藏层神经元个数是4个。
作为本发明进一步的改进，所述的遗传算法步骤中的参数是：最大进化代数为50，种群大小为20。
有益效果
本发明提供的对重调节方法，属于智能运算，可以根据乘客人数，前往的楼层，当前的时间作为最优的判定，有效地使电梯的对重工作在最佳重量部件下，降低了电梯的能耗。
附图说明
图1是实施例中电梯对重调节方法的流程示意图。
图2是实施例中BPNN神经网络的输入输出变量的示意图。
具体实施方式
按照下述的步骤对电梯的对重重量进行优化：
S1、记录下电梯从起始层开始启动时的对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间；电梯运行；电梯返回至起始层后，记录下电梯所耗用的总电能；用电梯所耗用的总电能除以乘客需要前往的楼层总和，得到平均每层消耗的电能；重复试验，获得样本数据；
S2，以对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间作为神经网络模型的输入变量（如图2），以平均每层消耗的电能作为神经网络模型的输出变量，对神经网络模型进行训练，得到训练好的神经网络模型；
S3，记录下乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间，以电梯的对重重量为初始种群，以平均每层消耗的电能作为适应度函数值，通过遗传算法找到最优的电梯的对重重量；
S4，将电梯的对重重量调节为遗传算法计算得到的最优值，运行电梯。
以上的步骤中，神经网络模型是指BPNN神经网络，参数设置为：隐含层传递函数是双曲正切函数，输出层传递函数是线性函数，训练函数是Levenberg-Marquardt算法，性能函数采用均方误差，训练次数设置为200次，BPNN神经网络的隐藏层神经元个数是4个，遗传算法步骤中的参数是：最大进化代数为50，种群大小为20。
本实施例中，乘客需要前往的楼层的总个数是指乘客前往不同楼层的总个数，例如：如果有5个乘客，分别前往4楼、4楼、6楼、8楼、10楼，那么楼层的总个数是4；乘客需要前往的楼层总和是4+4+6+8+10=32，当前的时间是指省略掉分钟数的整点时间，例如8点50分作为8，9点32分作为9，以此类推。
试验共进行200次，以这200个样本作为训练集对神经网络模型进行训练，得到BPNN模型后，再以10次试验进行验证。
再在10次试验时，先用固定的电梯对重进行电梯的运行，计算平均能耗。
再请上述10次试验中的乘客进行同样的乘坐电梯，并通过本实施例的方法对对重的重量进行调整，经试验和分析，采用本实施例中的方法可以比传统的固定对重节约10%的能耗。
Claims (1)
1.一种基于遗传算法-神经网络算法的电梯对重调节方法，包括如下步骤：
S1，记录下电梯从起始层开始启动时的对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间；电梯运行；电梯返回至起始层后，记录下电梯所耗用的总电能；用电梯所耗用的总电能除以乘客需要前往的楼层总和，得到平均每层消耗的电能；重复试验，获得样本数据；
S2，以对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间作为神经网络模型的输入变量，以平均每层消耗的电能作为神经网络模型的输出变量，对神经网络模型进行训练，得到训练好的神经网络模型；
S3，记录下乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间，以电梯的对重重量为初始种群，以平均每层消耗的电能作为适应度函数值，通过遗传算法找到最优的电梯的对重重量；
S4，将电梯的对重重量调节为遗传算法计算得到的最优值，运行电梯；
所述的神经网络模型是指BPNN神经网络；隐含层传递函数是双曲正切函数，输出层传递函数是线性函数，训练函数是Levenberg-Marquardt算法，性能函数采用均方误差，训练次数设置为200次；所述的BPNN神经网络的隐藏层神经元个数是4个；所述的遗传算法步骤中的参数是：最大进化代数为50，种群大小为20。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310441644.XA CN103466398B (zh) | 2013-09-25 | 2013-09-25 | 一种基于遗传算法-神经网络算法的电梯对重调节方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310441644.XA CN103466398B (zh) | 2013-09-25 | 2013-09-25 | 一种基于遗传算法-神经网络算法的电梯对重调节方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103466398A CN103466398A (zh) | 2013-12-25 |
| CN103466398B true CN103466398B (zh) | 2015-04-22 |
Family
ID=49791491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310441644.XA Active CN103466398B (zh) | 2013-09-25 | 2013-09-25 | 一种基于遗传算法-神经网络算法的电梯对重调节方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103466398B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110668276B (zh) * | 2019-08-29 | 2021-02-09 | 浙江理工大学 | 基于pso优化的bp神经网络预测电梯故障的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201433022Y (zh) * | 2009-04-02 | 2010-03-31 | 浙江大学 | 面向商住多用途楼的电梯优化配置系统 |
| CN101723208A (zh) * | 2009-04-02 | 2010-06-09 | 浙江大学 | 面向商住多用途楼的电梯优化配置方法及其系统 |
| CN103121609A (zh) * | 2013-03-10 | 2013-05-29 | 苏州大学 | 一种电梯群控方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI102268B (fi) * | 1995-04-21 | 1998-11-13 | Kone Corp | Menetelmä hissiryhmän ulkokutsujen allokoimiseksi |
| ES2248295T3 (es) * | 2000-03-29 | 2006-03-16 | Inventio Ag | Control de llamada de destino para ascensores. |
-
2013
- 2013-09-25 CN CN201310441644.XA patent/CN103466398B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201433022Y (zh) * | 2009-04-02 | 2010-03-31 | 浙江大学 | 面向商住多用途楼的电梯优化配置系统 |
| CN101723208A (zh) * | 2009-04-02 | 2010-06-09 | 浙江大学 | 面向商住多用途楼的电梯优化配置方法及其系统 |
| CN103121609A (zh) * | 2013-03-10 | 2013-05-29 | 苏州大学 | 一种电梯群控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103466398A (zh) | 2013-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108510006B (zh) | 一种基于数据挖掘的企业用电量分析与预测方法 | |
| CN103064282B (zh) | 非线性参数变化模型辨识方法（npv） | |
| CN101441728B (zh) | 门式起重机优化设计的神经网络方法 | |
| CN104401232B (zh) | 基于数据驱动预测控制的电动汽车扭矩优化方法 | |
| CN114202316A (zh) | 基于深度强化学习的城市轨道交通列车时刻表优化方法 | |
| CN110990950B (zh) | 基于混合运行模式的多目标列车节能优化方法 | |
| CN104834215A (zh) | 一种变异粒子群优化的bp神经网络pid控制算法 | |
| CN106971238A (zh) | 基于T‑S模糊Elman神经网络的短期电力负荷预测方法 | |
| CN112149350B (zh) | 解决热泵系统故障诊断中数据依赖问题的模型迁移方法 | |
| CN108038568A (zh) | 一种基于粒子群算法的变权组合电力负荷短期预测方法 | |
| CN115186803A (zh) | 一种考虑pue的数据中心算力负荷需求组合预测方法和系统 | |
| CN103466398B (zh) | 一种基于遗传算法-神经网络算法的电梯对重调节方法 | |
| Liu et al. | The hybrid predictive model of elevator system for energy consumption | |
| CN106776316A (zh) | 一种电力信息软件缺陷预防方法 | |
| CN114047765B (zh) | 一种面向虚拟编组的多列车自适应巡航控制方法和系统 | |
| CN110880044A (zh) | 一种基于马尔科夫链的负荷预测方法 | |
| CN104298214A (zh) | 一种高炉铁水生产过程综合优化控制方法 | |
| CN113328603B (zh) | 一种永磁耦合器涡流损耗功率快速寻优方法 | |
| CN111976543B (zh) | 电动汽车电池组充放电控制方法 | |
| CN114547774B (zh) | 一种重载列车进站曲线优化方法及系统 | |
| CN102243476B (zh) | 面向节能回馈的电梯群控调度方法 | |
| He et al. | An improved A-ECMS energy management for plug-in hybrid electric vehicles considering transient characteristics of engine | |
| CN101540504A (zh) | 一种基于变步长神经网络的潮流分析装置及方法 | |
| CN114942582A (zh) | 基于神经网络对Buck变换器中PID控制器参数的优化方法和装置 | |
| Zhang et al. | The Application of the Fuzzy Neural Network Control in Elevator Intelligent Scheduling Simulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: SUZHOU AILIFANG CLOTHES CO., LTD. Free format text: FORMER OWNER: WUJIANG JUNDA ELEVATOR PARTS CO., LTD. Effective date: 20150318 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 215212 SUZHOU, JIANGSU PROVINCE TO: 215200 SUZHOU, JIANGSU PROVINCE |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20150318 Address after: Wujiang District of Suzhou City, Jiangsu province 215200 Song Ling Zhen Heng Shan Bridge Road Applicant after: Cube dress ornament Co., Ltd is liked in Suzhou Address before: Suzhou Wuzhong District City, Jiangsu province 215212 Lili town traffic road No. 1 Applicant before: Wujiang Junda Elevator Parts Co., Ltd. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |