JP2964908B2 - エレベータの群管理制御装置 - Google Patents
エレベータの群管理制御装置Info
- Publication number
- JP2964908B2 JP2964908B2 JP7079441A JP7944195A JP2964908B2 JP 2964908 B2 JP2964908 B2 JP 2964908B2 JP 7079441 A JP7079441 A JP 7079441A JP 7944195 A JP7944195 A JP 7944195A JP 2964908 B2 JP2964908 B2 JP 2964908B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- neural
- group management
- assignment
- management device
- 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.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Maintenance And Inspection Apparatuses For Elevators (AREA)
- Elevator Control (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、ニューラルネットを用
いて呼びの割り当てを行うエレベータの群管理制御装置
に係り、特に異常発生時に関するものである。
いて呼びの割り当てを行うエレベータの群管理制御装置
に係り、特に異常発生時に関するものである。
【０００２】
【従来の技術】従来、エレベータの群管理制御といえば
評価関数を用いた呼び割り当て方式や、ファジー理論を
用いたエキスパートシステムによる呼び割り当て制御が
主流であったが、最近では生物の神経回路をモデルにし
たニューラルネットを用いて呼びの割り当てを行うとい
う新しい方式が提案されている。
評価関数を用いた呼び割り当て方式や、ファジー理論を
用いたエキスパートシステムによる呼び割り当て制御が
主流であったが、最近では生物の神経回路をモデルにし
たニューラルネットを用いて呼びの割り当てを行うとい
う新しい方式が提案されている。
【０００３】ニューラルネットとは、人間の脳をまねた
ネットワークで、神経細胞モデル（ニューロン）が複数
個、複雑に接続され、各ニューロンの動作及びニューロ
ン間の接続形態をうまく決めることによって、パターン
認識機能や知識処理機能を埋め込むことができるという
ものであり、例えば「日経エレクトロニクス」１９８７
年８月１０日号（No４２７）のＰ１１５〜Ｐ１２４や１
９８９年２月に産業図書株式会社から刊行された図書
「ＰＤＰモデル」などに開示されており、特にニューロ
ンを階層構造に配置したものは「バックプロパゲーショ
ン」と呼ばれる自律的学習アルゴリズムを利用できるこ
とに特徴がある。
ネットワークで、神経細胞モデル（ニューロン）が複数
個、複雑に接続され、各ニューロンの動作及びニューロ
ン間の接続形態をうまく決めることによって、パターン
認識機能や知識処理機能を埋め込むことができるという
ものであり、例えば「日経エレクトロニクス」１９８７
年８月１０日号（No４２７）のＰ１１５〜Ｐ１２４や１
９８９年２月に産業図書株式会社から刊行された図書
「ＰＤＰモデル」などに開示されており、特にニューロ
ンを階層構造に配置したものは「バックプロパゲーショ
ン」と呼ばれる自律的学習アルゴリズムを利用できるこ
とに特徴がある。
【０００４】このニューラルネットを用いると、割り当
てアルゴリズムを人間が一切考える必要はなく、しかも
各種の交通状況に対応して、結果的には最適な割り当て
かごを決定する判断システムを自動的に生成できるとい
う優れた効果があり、例えばエレベータの呼び割り当て
に用いた例としては、特開平１−２７５３８１号「エレ
ベータの群管理制御装置」や、特開平３−３１１７３号
「エレベータの群管理制御装置」、特願平５−２４３８
１７号「エレベータ呼び割当て用ニューラルネットの学
習方法」などがある。
てアルゴリズムを人間が一切考える必要はなく、しかも
各種の交通状況に対応して、結果的には最適な割り当て
かごを決定する判断システムを自動的に生成できるとい
う優れた効果があり、例えばエレベータの呼び割り当て
に用いた例としては、特開平１−２７５３８１号「エレ
ベータの群管理制御装置」や、特開平３−３１１７３号
「エレベータの群管理制御装置」、特願平５−２４３８
１７号「エレベータ呼び割当て用ニューラルネットの学
習方法」などがある。
【０００５】ここで呼び割り当て用ニューラルネットの
一例を図３に示す。図３に示すように、呼び割り当て用
のニューラルネットＮＮは、入力パターン（エレベータ
システム状態データ）に対応する入力層ＮＲ1 と、出力
パターン（割り当て適性）に対応する出力層ＮＲ3 と、
入力層と出力層の中間に置かれる中間層ＮＲ2 のニュー
ロンとで構成される。
一例を図３に示す。図３に示すように、呼び割り当て用
のニューラルネットＮＮは、入力パターン（エレベータ
システム状態データ）に対応する入力層ＮＲ1 と、出力
パターン（割り当て適性）に対応する出力層ＮＲ3 と、
入力層と出力層の中間に置かれる中間層ＮＲ2 のニュー
ロンとで構成される。
【０００６】入力パターンは、エレベータシステムの状
態を表す種々のデータ（乗場呼びの発生階と方向、各号
機の位置と運転方向、かご呼び、荷重状態等）を、呼び
の割り当てに必要なパラメータとして、ニューラルネッ
トに入力できる形に変換したものであり、入力層のニュ
ーロンの数はそのパラメータの総数に対応する。
態を表す種々のデータ（乗場呼びの発生階と方向、各号
機の位置と運転方向、かご呼び、荷重状態等）を、呼び
の割り当てに必要なパラメータとして、ニューラルネッ
トに入力できる形に変換したものであり、入力層のニュ
ーロンの数はそのパラメータの総数に対応する。
【０００７】この入力層の各ニューロンに入力データを
与えると、出力層に向かって順に信号が伝わり、その結
果出力層の各ニューロンからそれぞれ何らかの値が出力
される。出力層では、エレベータの台数分のニューロン
があり、さまざまな入力パターンに対して、割り当てに
最適である号機に対応するニューロンが「１」（最大
値）を、その他のニューロンは「０」を出力するように
予め学習されている。
与えると、出力層に向かって順に信号が伝わり、その結
果出力層の各ニューロンからそれぞれ何らかの値が出力
される。出力層では、エレベータの台数分のニューロン
があり、さまざまな入力パターンに対して、割り当てに
最適である号機に対応するニューロンが「１」（最大
値）を、その他のニューロンは「０」を出力するように
予め学習されている。
【０００８】従って、出力パターンの各ニューロンの値
の中で、「１」（最大値）に最も近い値を出力したニユ
ーロンが割り当てに最適であることを示すことになり、
このニューロンに対応する号機が割り当て号機として選
択される。なお、中間層（実施例では一層であるが、複
数であってもよい）のニューロンの数は、エレベータの
台数やビルの性質等に応じて適宜定められる。
の中で、「１」（最大値）に最も近い値を出力したニユ
ーロンが割り当てに最適であることを示すことになり、
このニューロンに対応する号機が割り当て号機として選
択される。なお、中間層（実施例では一層であるが、複
数であってもよい）のニューロンの数は、エレベータの
台数やビルの性質等に応じて適宜定められる。
【０００９】また、図示を省略しているが、各ニューロ
ン間にはニューロンの結び付きの強さを表す結合重み
（シナプスウェイト）が設定されている。この結合重み
は、最初は適当な値に設定されているが、その後「バッ
クプロパゲーション」と呼ばれる学習アルゴリズムを用
いて、より精度の高い呼び割り当てができるように修正
していくことができる。
ン間にはニューロンの結び付きの強さを表す結合重み
（シナプスウェイト）が設定されている。この結合重み
は、最初は適当な値に設定されているが、その後「バッ
クプロパゲーション」と呼ばれる学習アルゴリズムを用
いて、より精度の高い呼び割り当てができるように修正
していくことができる。
【００１０】このバックプロパゲーションについてはよ
く知られているので詳細な説明は省略するが、予め作成
された学習用サンプル（入力パターンと、その入力パタ
ーンに対する望ましい出力パターンすなわち教師信号と
を対にしたもの）を用い、同一の入力パターンに対する
出力パターンと教師信号とを比較し、その誤差を最小化
するように結合重みを修正していくアルゴリズムで、ま
ず最初はすべての重みを初期化（例えばランダムな値に
設定）しておき、入力層の各ニューロンに学習用サンプ
ルの入力パターンを与える。そしてこのときの出力パタ
ーンとその学習用サンプルの出力パターン（教師信号）
とを比較し、その差（誤差）を用いて、その差が小さく
なるように各結合重みの値を出力層側から順に修正して
いくのである。
く知られているので詳細な説明は省略するが、予め作成
された学習用サンプル（入力パターンと、その入力パタ
ーンに対する望ましい出力パターンすなわち教師信号と
を対にしたもの）を用い、同一の入力パターンに対する
出力パターンと教師信号とを比較し、その誤差を最小化
するように結合重みを修正していくアルゴリズムで、ま
ず最初はすべての重みを初期化（例えばランダムな値に
設定）しておき、入力層の各ニューロンに学習用サンプ
ルの入力パターンを与える。そしてこのときの出力パタ
ーンとその学習用サンプルの出力パターン（教師信号）
とを比較し、その差（誤差）を用いて、その差が小さく
なるように各結合重みの値を出力層側から順に修正して
いくのである。
【００１１】そして、多数の学習用サンプルを用いて誤
差が収束するまでこれを繰り返すと、ニューラルネット
に教師信号と同レベルの呼び割当機能が自動的に埋め込
まれたことになり、学習用の入力パターンだけでなく未
知の入力パターンに対しても、教師信号と同レベルの呼
び割り当てを行なうことができるようになる。
差が収束するまでこれを繰り返すと、ニューラルネット
に教師信号と同レベルの呼び割当機能が自動的に埋め込
まれたことになり、学習用の入力パターンだけでなく未
知の入力パターンに対しても、教師信号と同レベルの呼
び割り当てを行なうことができるようになる。
【００１２】
【発明が解決しようとする課題】この割り当て用ニュー
ラルネットの学習は、予めシミュレーション等によって
作成した学習用サンプルを用いてエレベータの設置前に
行っておくが、実際にはエレベータが設置されるビルの
性質や交通状況を事前に正確に把握することは極めて困
難である。また、エレベータの設置後にビルの交通状況
が変化することもあるため、エレベータの設置後もこの
ニューラルネットの学習を継続的に実施し、結合重みを
そのビルの交通状況に合うように随時修正していくこと
が必要となる。
ラルネットの学習は、予めシミュレーション等によって
作成した学習用サンプルを用いてエレベータの設置前に
行っておくが、実際にはエレベータが設置されるビルの
性質や交通状況を事前に正確に把握することは極めて困
難である。また、エレベータの設置後にビルの交通状況
が変化することもあるため、エレベータの設置後もこの
ニューラルネットの学習を継続的に実施し、結合重みを
そのビルの交通状況に合うように随時修正していくこと
が必要となる。
【００１３】このため、エレベータの据え付け当初に組
み込まれるニューラルネット（初期ニューラルネット）
とは別に、この初期ニューラルネットをベースに継続的
に学習を繰り返し更新していくためのニューラルネット
（学習用ニューラルネット）や、この学習結果を反映さ
せた実際の割り当てに使用するためのニューラルネット
（割り当て用ニューラルネット）などの複数のニューラ
ルネットが必要であり、それらはその性質からそれぞれ
以下の記憶装置に記憶される。
み込まれるニューラルネット（初期ニューラルネット）
とは別に、この初期ニューラルネットをベースに継続的
に学習を繰り返し更新していくためのニューラルネット
（学習用ニューラルネット）や、この学習結果を反映さ
せた実際の割り当てに使用するためのニューラルネット
（割り当て用ニューラルネット）などの複数のニューラ
ルネットが必要であり、それらはその性質からそれぞれ
以下の記憶装置に記憶される。
【００１４】初期ニューラルネット ・・・ＲＯＭ
（読み出し専用メモリ） 割り当て用ニューラルネット・・・ＲＡＭ（読み出し書
き込みメモリ） 学習用ニューラルネット ・・・書換え可能不揮発性
メモリ（ＥＥＰＲＯＭ，ＦlashＲＯＭ等） ところで、このような複数のニューラルネットを備えた
群管理装置において、電源異常やＣＰＵの暴走、或いは
その他の理由で何らかの異常が発生し、群管理装置がリ
セットされて再起動する場合、ＲＡＭ上の割り当て用ニ
ューラルネットは消失して使用不能であったり、或いは
更新の途中でリセットがかけられたような場合には、ニ
ューラルネットデータ（各ニューロンの接続構成や各重
みの値に関するデータ）に更新前と更新後の値が混在す
ることになるために、これをそのまま用いては正常な割
り当てができない可能性がある。また、書換え可能不揮
発性メモリに記憶されている学習用ニューラルネット
は、電源異常でも消失することはないが、学習中や学習
後のニューラルネットデータの書き換え途中にリセット
がかかると、やはりデータの一部だけが書き換えられた
状態となり、正確な割り当てには使用できない可能性が
ある。従ってこのような場合、再起動後はＲＯＭに記憶
された初期ニューラルネットを割り当て用として用いざ
るを得ないが、それではこれまでの長期の学習結果がす
べて無駄となってしまい、異常発生前の割り当て用ニュ
ーラルネットを復元するには長時間を要することになる
という問題があった。
（読み出し専用メモリ） 割り当て用ニューラルネット・・・ＲＡＭ（読み出し書
き込みメモリ） 学習用ニューラルネット ・・・書換え可能不揮発性
メモリ（ＥＥＰＲＯＭ，ＦlashＲＯＭ等） ところで、このような複数のニューラルネットを備えた
群管理装置において、電源異常やＣＰＵの暴走、或いは
その他の理由で何らかの異常が発生し、群管理装置がリ
セットされて再起動する場合、ＲＡＭ上の割り当て用ニ
ューラルネットは消失して使用不能であったり、或いは
更新の途中でリセットがかけられたような場合には、ニ
ューラルネットデータ（各ニューロンの接続構成や各重
みの値に関するデータ）に更新前と更新後の値が混在す
ることになるために、これをそのまま用いては正常な割
り当てができない可能性がある。また、書換え可能不揮
発性メモリに記憶されている学習用ニューラルネット
は、電源異常でも消失することはないが、学習中や学習
後のニューラルネットデータの書き換え途中にリセット
がかかると、やはりデータの一部だけが書き換えられた
状態となり、正確な割り当てには使用できない可能性が
ある。従ってこのような場合、再起動後はＲＯＭに記憶
された初期ニューラルネットを割り当て用として用いざ
るを得ないが、それではこれまでの長期の学習結果がす
べて無駄となってしまい、異常発生前の割り当て用ニュ
ーラルネットを復元するには長時間を要することになる
という問題があった。
【００１５】本発明はこのような問題点に鑑みてなされ
たもので、異常発生後に群管理装置を再起動した場合で
も、これまでの長期の学習を極力無駄にしないようにす
ることを目的としたものである。
たもので、異常発生後に群管理装置を再起動した場合で
も、これまでの長期の学習を極力無駄にしないようにす
ることを目的としたものである。
【００１６】
【課題を解決するための手段】上記目的を達成するた
め、本発明では、割り当てに使用可能な複数のニューラ
ルネットと、群管理装置の異常の発生を監視し、異常が
発生すると群管理装置をリセットして再起動する監視装
置と、再起動時に前記各ニューラルネットの使用の可否
をそれぞれ判断する使用可否判定手段と、その判定の結
果使用可能なニューラルネットのうちの一つを所定の優
先順位に従い、以後の割り当て用ニューラルネットとし
て選択する選択手段とを備えたことを特徴とする。
め、本発明では、割り当てに使用可能な複数のニューラ
ルネットと、群管理装置の異常の発生を監視し、異常が
発生すると群管理装置をリセットして再起動する監視装
置と、再起動時に前記各ニューラルネットの使用の可否
をそれぞれ判断する使用可否判定手段と、その判定の結
果使用可能なニューラルネットのうちの一つを所定の優
先順位に従い、以後の割り当て用ニューラルネットとし
て選択する選択手段とを備えたことを特徴とする。
【００１７】
【作用】本発明においては、再起動時、まず各ニューラ
ルネットについてニューラルネットデータの使用可否の
判断が行われ、使用可能なニューラルネットのうちの一
つが、所定の優先順序に従って以後の割り当て用ニュー
ラルネットとして選択される。
ルネットについてニューラルネットデータの使用可否の
判断が行われ、使用可能なニューラルネットのうちの一
つが、所定の優先順序に従って以後の割り当て用ニュー
ラルネットとして選択される。
【実施例】以下、本発明の一実施例について図面を参照
しながら説明する。
しながら説明する。
【００１８】図１は、本発明の全体の構成を示すブロッ
ク図で、図中、１は各階床に設けられた乗場呼び釦（１
つの階床分のみを図示し、他の階については省略してい
る）、２は乗場呼び信号、Ａ１は１号機の運行を管理す
る運行制御装置、同様にＡ２〜Ａｎは２号機〜ｎ号機用
の運行制御装置、３は各号機の状態（かご位置や運転方
向、走行または停止の別、戸の開閉状態、かご呼び、荷
重、サービス階、異常等）を表すかご情報信号、１０は
この乗場呼び信号２とかご情報信号３からなるエレベー
タシステム状態データに基づいて乗場呼びを最適な号機
に割り当て、それを割り当て信号４として出力する群管
理装置であり、各運行制御装置Ａ１〜Ａｎはこの割り当
て信号４で割り当てられた乗場呼びと自号機のかご内で
登録されたかご呼びに順次応答するようにかごの運行を
制御する。
ク図で、図中、１は各階床に設けられた乗場呼び釦（１
つの階床分のみを図示し、他の階については省略してい
る）、２は乗場呼び信号、Ａ１は１号機の運行を管理す
る運行制御装置、同様にＡ２〜Ａｎは２号機〜ｎ号機用
の運行制御装置、３は各号機の状態（かご位置や運転方
向、走行または停止の別、戸の開閉状態、かご呼び、荷
重、サービス階、異常等）を表すかご情報信号、１０は
この乗場呼び信号２とかご情報信号３からなるエレベー
タシステム状態データに基づいて乗場呼びを最適な号機
に割り当て、それを割り当て信号４として出力する群管
理装置であり、各運行制御装置Ａ１〜Ａｎはこの割り当
て信号４で割り当てられた乗場呼びと自号機のかご内で
登録されたかご呼びに順次応答するようにかごの運行を
制御する。
【００１９】群管理装置１０はマイクロコンピュータ等
で構成され、ＣＰＵ（中央演算処理装置）１１と、ＲＯ
Ｍに記憶された初期ニューラルネット１２ａと、ＲＡＭ
に記憶された割り当て用ニューラルネット１２ｂと、書
換え可能不揮発性メモリに記憶された学習用ニューラル
ネット１２ｃと、該学習用ニューラルネットの学習を継
続的に行い、学習完了毎に学習用ニューラルネットの更
新を行う学習手段１３、割り当て用ニューラルネット１
２ｂの出力パターンから最適な号機を判定し割り当て信
号を出力する割り当て判定手段１４と、電源の異常やＣ
ＰＵの暴走等、群管理装置内の異常の発生を監視し、異
常検出時に群管理装置をリセットして再起動させる異常
発生監視手段１５と、群管理装置の再起動時に各ニュー
ラルネットの使用可否を判定する使用可否判定手段１６
と、使用可と判定されたニューラルネットのうちの一つ
を割り当て用のニューラルネットとして所定の優先順位
に従って選択するニューラルネット選択手段１７と、入
出力インターフェイス１８とを備えており、これらの各
手段とニューラルネットの演算はマイクロコンピュータ
内のソフトウェア上で実現される。
で構成され、ＣＰＵ（中央演算処理装置）１１と、ＲＯ
Ｍに記憶された初期ニューラルネット１２ａと、ＲＡＭ
に記憶された割り当て用ニューラルネット１２ｂと、書
換え可能不揮発性メモリに記憶された学習用ニューラル
ネット１２ｃと、該学習用ニューラルネットの学習を継
続的に行い、学習完了毎に学習用ニューラルネットの更
新を行う学習手段１３、割り当て用ニューラルネット１
２ｂの出力パターンから最適な号機を判定し割り当て信
号を出力する割り当て判定手段１４と、電源の異常やＣ
ＰＵの暴走等、群管理装置内の異常の発生を監視し、異
常検出時に群管理装置をリセットして再起動させる異常
発生監視手段１５と、群管理装置の再起動時に各ニュー
ラルネットの使用可否を判定する使用可否判定手段１６
と、使用可と判定されたニューラルネットのうちの一つ
を割り当て用のニューラルネットとして所定の優先順位
に従って選択するニューラルネット選択手段１７と、入
出力インターフェイス１８とを備えており、これらの各
手段とニューラルネットの演算はマイクロコンピュータ
内のソフトウェア上で実現される。
【００２０】以上の構成において、本発明における異常
発生時の処理手順を図２のフローチャートに基づいて説
明する。なお、ここではニューラルネットの使用可否の
判定は、ニューラルネットデータの書き換え中にリセッ
トがかかったか否か（ニューラルネットデータの一部だ
けが書き換えられている状態か否か）により判断するも
のとし、そのために予めニューラルネットデータの更新
完了時にはデータ・チェック用コード（例えばブロック
コードチェック：ＢＣＣ）を付加するようにしておく。
そのようにすると、再起動時にそれをチェックすればデ
ータの一部だけが書き換えられているような場合はデー
タの誤りとして検出でき、すなわち使用不可と判断する
ことができる。
発生時の処理手順を図２のフローチャートに基づいて説
明する。なお、ここではニューラルネットの使用可否の
判定は、ニューラルネットデータの書き換え中にリセッ
トがかかったか否か（ニューラルネットデータの一部だ
けが書き換えられている状態か否か）により判断するも
のとし、そのために予めニューラルネットデータの更新
完了時にはデータ・チェック用コード（例えばブロック
コードチェック：ＢＣＣ）を付加するようにしておく。
そのようにすると、再起動時にそれをチェックすればデ
ータの一部だけが書き換えられているような場合はデー
タの誤りとして検出でき、すなわち使用不可と判断する
ことができる。
【００２１】次に各手順について説明する。いま何らか
の原因で異常が発生し、群管理装置がリセットされて再
起動したとすると、まずステップＳ１で割り当て用ニュ
ーラルネットの前述のブロックコードチェックを行う。
このとき電源の異常により割り当て用ニューラルネット
のデータが消滅していたり、或いは書き換え中にリセッ
トされたことによりデータに誤りが検出された場合は使
用不可であり、「割当ＯＫ＝Ｎ」として記憶する（ステ
ップＳ３）が、そうでなければ使用可として「割当ＯＫ
＝Ｙ」を記憶する（ステップＳ２）。
の原因で異常が発生し、群管理装置がリセットされて再
起動したとすると、まずステップＳ１で割り当て用ニュ
ーラルネットの前述のブロックコードチェックを行う。
このとき電源の異常により割り当て用ニューラルネット
のデータが消滅していたり、或いは書き換え中にリセッ
トされたことによりデータに誤りが検出された場合は使
用不可であり、「割当ＯＫ＝Ｎ」として記憶する（ステ
ップＳ３）が、そうでなければ使用可として「割当ＯＫ
＝Ｙ」を記憶する（ステップＳ２）。
【００２２】同様にして、学習用ニューラルネットと初
期ニューラルネットのそれぞれについてブロックコード
チェックを行い、その結果にしたがって「学習ＯＫ」と
「初期ＯＫ」のそれぞれにＹまたはＮを記憶させる（ス
テップＳ４〜Ｓ６及びステップＳ７〜Ｓ９）。
期ニューラルネットのそれぞれについてブロックコード
チェックを行い、その結果にしたがって「学習ＯＫ」と
「初期ＯＫ」のそれぞれにＹまたはＮを記憶させる（ス
テップＳ４〜Ｓ６及びステップＳ７〜Ｓ９）。
【００２３】そしてステップＳ１０以下で、使用可能な
ニューラルネットのうちの一つを所定の優先順序にした
がって選択する。すなわち、もし「割当ＯＫ＝Ｙ」であ
れば、割り当て用ニューラルネットをそのまま割り当て
用として選択し（ステップＳ１０及びＳ１１）、「割当
ＯＫ＝Ｎ」で「学習０Ｋ＝Ｙ」であれば、学習用ニュー
ラルネットを以後の割り当て用として選択し（ステップ
Ｓ１２及びＳ１３）、「割当ＯＫ＝Ｎ」「学習０Ｋ＝
Ｎ」で「初期ＯＫ＝Ｙ」であれば、初期ニューラルネッ
トを以後の割り当て用ニューラルネットとして選択し、
群管理装置を起動する。
ニューラルネットのうちの一つを所定の優先順序にした
がって選択する。すなわち、もし「割当ＯＫ＝Ｙ」であ
れば、割り当て用ニューラルネットをそのまま割り当て
用として選択し（ステップＳ１０及びＳ１１）、「割当
ＯＫ＝Ｎ」で「学習０Ｋ＝Ｙ」であれば、学習用ニュー
ラルネットを以後の割り当て用として選択し（ステップ
Ｓ１２及びＳ１３）、「割当ＯＫ＝Ｎ」「学習０Ｋ＝
Ｎ」で「初期ＯＫ＝Ｙ」であれば、初期ニューラルネッ
トを以後の割り当て用ニューラルネットとして選択し、
群管理装置を起動する。
【００２４】このようにして、本発明では優先順序が上
位のニューラルネットが使用可であればそのニューラル
ネットが以後の割り当て用ニューラルネットとして選択
され、使用可能なニューラルネットのうち最適なニュー
ラルネットで割り当てが継続されることになる。
位のニューラルネットが使用可であればそのニューラル
ネットが以後の割り当て用ニューラルネットとして選択
され、使用可能なニューラルネットのうち最適なニュー
ラルネットで割り当てが継続されることになる。
【００２５】なお、上記の実施例では、すべてのニュー
ラルネットが使用不可のときには、再起動不可としエレ
ベータの運転を休止するようにしているが、ニューラル
ネット以外の割り当て装置をバックアップ用に設けてお
き、それを用いて運転を継続するようにすることもでき
る。
ラルネットが使用不可のときには、再起動不可としエレ
ベータの運転を休止するようにしているが、ニューラル
ネット以外の割り当て装置をバックアップ用に設けてお
き、それを用いて運転を継続するようにすることもでき
る。
【００２６】
【発明の効果】本発明によれば、電源異常等による再起
動の際、各ニューラルネットをすべてチェックし、使用
可能なニューラルネットのうち、所定の優先順序に従っ
て最適なニューラルネットを以後の割り当てに使用でき
るようにしたので、過去の学習結果がすべて無駄になる
ような事態を極力防止することができる。
動の際、各ニューラルネットをすべてチェックし、使用
可能なニューラルネットのうち、所定の優先順序に従っ
て最適なニューラルネットを以後の割り当てに使用でき
るようにしたので、過去の学習結果がすべて無駄になる
ような事態を極力防止することができる。
【図１】本発明の全体の構成を示すブロック図である。
【図２】本発明における異常発生時の処理手順を示すフ
ローチャートである。
ローチャートである。
【図３】呼び割当て用ニューラルネットの一例を示す図
である。
である。
Ａ１〜Ａｎ １〜ｎ号機の運行制御装置 １ 乗場呼び釦 ２ 乗場呼び信号 ３ かご情報信号 ４ 割り当て信号 １０ 群管理装置 １１ ＣＰＵ １２ａ 初期ニューラルネット １２ｂ 割り当て用ニューラルネット １２ｃ 学習用ニューラルネット １３ 学習手段 １４ 割り当て判定手段 １５ 異常発生監視手段 １６ 使用可否判定手段 １７ ニューラルネット選択手段 １８ 入出力インターフェイス
フロントページの続き (72)発明者 中川 真実 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 (72)発明者 田辺 友晃 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 (72)発明者 太田 直樹 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 審査官 志水 裕司 (56)参考文献 特開 平４−266369（ＪＰ，Ａ) 特開 昭60−148874（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) B66B 1/18 - 1/20 B66B 5/02
Claims (3)
- 【請求項１】 複数の階床に対し複数台のエレベータを
就役させ、乗場呼びが発生すると、その時のエレベータ
システムの状態を表す種々のデータを、ニューラルネッ
トの入力パターンとして使用できる形に変換して割り当
て用のニューラルネットに入力し、その出力パターンか
ら最適なかごを選択して、その乗場呼びに割り当てるよ
うにしたエレベータの群管理制御装置において、割り当
てに使用可能な複数のニューラルネットと、群管理装置
の異常の発生を監視し、異常が発生すると群管理装置を
リセットして再起動する監視装置と、再起動時に前記各
ニューラルネットの使用の可否をそれぞれ判断する使用
可否判定手段と、その判定の結果使用可能なニューラル
ネットのうちの一つを所定の優先順位に従い、以後の割
り当て用ニューラルネットとして選択する選択手段とを
備えたことを特徴とするエレベータの群管理制御装置。 - 【請求項２】 前記複数のニューラルネットとは、ＲＯ
Ｍに記憶された初期ニューラルネットと、書換え可能不
揮発性メモリに記憶された学習用ニューラルネットと、
ＲＡＭに記憶された割り当て用ニューラルネットである
ことを特徴とする請求項１記載のエレベータの群管理装
置。 - 【請求項３】 前記各ニューラルネットの使用可否の判
定は、ブロックコードチェックにより行うことを特徴と
する請求項１または請求項２記載のエレベータの群管理
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7079441A JP2964908B2 (ja) | 1995-03-09 | 1995-03-09 | エレベータの群管理制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7079441A JP2964908B2 (ja) | 1995-03-09 | 1995-03-09 | エレベータの群管理制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08245092A JPH08245092A (ja) | 1996-09-24 |
| JP2964908B2 true JP2964908B2 (ja) | 1999-10-18 |
Family
ID=13689973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7079441A Expired - Fee Related JP2964908B2 (ja) | 1995-03-09 | 1995-03-09 | エレベータの群管理制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2964908B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109607344A (zh) * | 2018-12-20 | 2019-04-12 | 华北水利水电大学 | 一种基于神经网络垂直电梯故障预测系统及方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4552464B2 (ja) * | 2004-03-09 | 2010-09-29 | フジテック株式会社 | エレベータシステム及びその群管理制御装置 |
-
1995
- 1995-03-09 JP JP7079441A patent/JP2964908B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109607344A (zh) * | 2018-12-20 | 2019-04-12 | 华北水利水电大学 | 一种基于神经网络垂直电梯故障预测系统及方法 |
| CN109607344B (zh) * | 2018-12-20 | 2020-04-14 | 华北水利水电大学 | 一种基于神经网络垂直电梯故障预测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08245092A (ja) | 1996-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2964908B2 (ja) | エレベータの群管理制御装置 | |
| JPH075235B2 (ja) | エレベータの群管理制御装置 | |
| JP2988312B2 (ja) | エレベータの群管理制御装置 | |
| JP2959425B2 (ja) | エレベータの群管理制御装置 | |
| JP2998589B2 (ja) | エレベータの群管理制御装置 | |
| JP3106908B2 (ja) | 待ち時間予測用ニューラルネットの学習方法 | |
| JP2991077B2 (ja) | エレベータの群管理制御装置 | |
| JP2956516B2 (ja) | エレベータの群管理制御装置 | |
| JP2979993B2 (ja) | エレベータ呼び割当て用ニューラルネットの学習方法 | |
| JP3052768B2 (ja) | エレベータの群管理制御装置 | |
| JP3060879B2 (ja) | 呼び割り当て用ニューラルネットの構成とその学習方法 | |
| JP2988306B2 (ja) | エレベータの群管理制御装置 | |
| JP2964907B2 (ja) | エレベータの群管理制御装置 | |
| JP2962182B2 (ja) | エレベータの群管理制御装置 | |
| JP2964902B2 (ja) | エレベータ呼び割り当て用ニューラルネットの学習方法 | |
| JP2962174B2 (ja) | エレベータの群管理制御装置 | |
| JPH0331173A (ja) | エレベータの群管理制御装置 | |
| JP2867849B2 (ja) | エレベータ呼び割当て用ニューラルネットの学習方法 | |
| JP2964900B2 (ja) | 呼び割り当て用ニューラルネットの学習方法 | |
| JP2500407B2 (ja) | エレベ―タ群管理制御装置の構築方法 | |
| JP3215001B2 (ja) | エレベータ呼び割り当て用ニューラルネットの学習方法 | |
| JPH0742055B2 (ja) | エレベータの群管理制御方法 | |
| JPH0764488B2 (ja) | エレベータの群管理制御装置 | |
| JP3407660B2 (ja) | エレベータの群管理制御装置 | |
| JPH02163275A (ja) | エレベータの群管理制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080813 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090813 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |