粒子群算法在电梯群控调度中的应用

随着电梯的广泛使用,人们对电梯的研究也越来越多,针对乘客乘候梯时间过长、电梯能耗性能不理想的问题提出了一种基于粒子群算法的电梯群控调度方法。首先选取乘客乘梯时间、候梯时间、电梯电能损耗量建立电梯群控系统的多目标优化模型,使用粒子群算法对模型进行优化;然后设计仿真实验用乘客的平均乘梯时间、候梯时间以及电梯的起停次数这几个指标与遗传算法进行对比,最后的实验结果说明将粒子群优化算法应用到电梯群控调度中能够具有更好的表现。     

CMAC网络的一种联接模型

本文提出ＣＭＡＣ网络的一种联接模型，此模型采用Ａ／Ｄ转换器，译码器，“或－与”布尔函数网络，存贮器及一个自适应线性神经元组成，这种模型比较易用硬件实现，计算机模拟结果表明这种模型的有效性。     

群控电梯系统的算法设计

建立了模拟电梯系统运行的数字模型，采用合理的预估计算法，从各种复杂的申请条件中，动态地造反最佳响应，实现了在优先申请、优先快速响应条件下的最优控制。     

基于PLC和触摸屏的电梯群控系统设计

针对具体的二座四层群控电梯,描述了基于PLC和触摸屏的电梯群控的实现过程。针对单梯控制,主要叙述了电梯平层的处理,触摸屏控制和显示的结构和工程设计。在此基础上,给出了基于触摸屏、PLC、变频器的电梯群控的系统结构,叙述了群控电梯PLC组之间的通信设定、群控电梯平层的处理、电梯群控调度算法,并进行了不断优化。     

基于强化学习的定向无线通信网络抗干扰资源调度算法

为了在无线网络中进行高效的链路资源调度、减小网络干扰、提高网络容量,提出了一种利用回溯天线并考虑干扰环境的链路资源分布式智能调度算法.首先,结合通信的路径损耗模型设计卷积核,对节点密度矩阵进行卷积来衡量干扰链路强度,从而避免对所有干扰链路进行信道估计产生巨大的计算代价;然后,结合强化学习的思想设计了与通信环境交互的链路调度学习模型,每个链路利用神经网络进行独立的训练,将训练所得的决策结果反馈到环境中进行状态更新,模型在不断更新的环境中迭代来学习最优的调度策略.该方法能分布式的运行,可有效衡量无线网络中的链路干扰强度,结合衡量结果进行高效的链路资源分布式调度,从而最大化网络容量.仿真结果验证了该调度算法无论是在算法迭代收敛还是网络容量性能上都能很好地逼近全局的调度算法,达到全局算法最优结果的92%~100%.     

电梯群控预约控制算法

根据电梯群控系统特性，借鉴有关文献，提出了一种多目标控制算法：电梯群控预约优化算法，斤层增设目的层预约按钮，计算机能够从厅层监督系统和入检测子系统获取及时候梯人数、轿内拥挤度等信息，然后采集未的数据计算每个电梯的评价函数，最后选择适合的电梯响应斤层召唤。     

基于MCF5214电梯并联群控CAN通信设计的实现

本文主要介绍基于Freescale 32位微控制器MCF5214利用CAN通信实现电梯并联群控数据通信的嵌入式系统开发,首先对Freescale公司生产的32位微控制器及CAN收发器的特性进行简单介绍,然后介绍系统的硬件结构,并对该系统软件的设计方面进行详细的介绍和分析。     

多模型电梯群控的自寻优策略

通过研究电梯的实际运行情况,我们可以将电梯的运行模式分为四种:上行高峰模式、下行高峰模式、层间交换模式和空闲模式。不同的电梯运行模式受到不同的权限、指标函数的控制。探究多模型电梯群控的自寻优策略,从而使电梯派梯更加合理,提高运行效率,减少能耗。     

电梯群的算法及优化

伴随着社会经济的快速发展,城市中出现了大量的高层建筑,单台电梯已经无法满足人们乘坐电梯的需求。基于减少乘客候梯时间、乘梯时间的目的,需要安装若干台电梯并且开展统一合理控制。这种同时控制多台电梯的优化调度即电梯群控系统。文章主要针对电梯群的算法及优化进行研究。     

强化学习的模型、算法及应用

强化学习不需要具有先验知识,通过试错与环境交互获得策略的改进,具有自学习和在线学习能力,是构造智能体的核心技术之一.文中首先综述了强化学习模型和基本原理,然后介绍了强化学习的主要算法,包括Sarsa 算法、TD算法、Q-学习算法及函数估计算法,最后介绍了强化学习的应用情况及未来研究方向.     

自组织小脑神经网络算法研究

针对神经网络逼近非线性函数问题,提出一种在线的自组织小脑神经网络,其不需要预先确定存储空间的大小。该网络可以根据输入数据自适应地改变神经网络节点数和相对应的权值,具有良好的智能性;针对挠性卫星姿态控制,将自组织小脑神经网络用于不确定项的补偿中,提高系统的鲁棒性。仿真结果表明,该方法神经网络性能良好,实现了卫星姿态控制。     

基于新型CMAC控制方法的电动加载系统

在电动加载系统中,多余力矩强扰动和其他非线性因素直接影响力矩跟踪精度,传统的控制方法难以得到满意的控制效果。文中分析了传统CMAC算法不稳定的原因,提出了一种新型CMAC控制策略,并对其结构及算法进行了研究。在控制结构上以系统的指令输入和实际输出作为CMAC的激励信号,采用误差作为训练信号,并根据激励信号的特点,提出了非均匀量化的思想。动态仿真结果表明,该方法有效抑制了加载系统的多余力矩及摩擦等非线性因素干扰,提高了电动加载系统的控制精度,且增强了系统的稳定性。     

一种面向非线性系统控制的自适应模糊小脑神经网络及研究

利用Lyapunov自稳定性准则,将自适应机制引入到模糊小脑神经网络(CMAC)的实时学习算法之中,提高其在闭环控制系统中的鲁棒性,使其能够有效地对模型未知的非线性系统进行实时控制.仿真表明自适应CMAC神经网络由于采用了基于Lyapunov自稳定准则的学习算法,系统的跟踪稳定性和误差收敛性都能够得到保证,而且不需离线学习阶段,实时控制效果较好.     

基于FPGA的电梯控制系统设计

介绍了基于FPGA的四层电梯控制系统的设计。该系统采用Altera公司的Cyclone Ⅱ系列FPGA芯片EP2C5T144作为主控制芯片,采用Verilog—HDL编程描述,实现对电梯的智能控制,经仿真验证,完成所要求功能。该设计采用模块化编程,升级可实现任意多层电梯系统,具有很强的适应性和实用性。     

一种改进的航空发动机CMAC与PD并行的控制算法

针对某型航空发动机数字式电子调节系统控制性能提升的需要,将CMAC与PD的并行控制算法首次应用于该数控系统低压转子转速调节通道,同时为了增强该通道克服超转的能力,提出了一种改进的CMAC与PD的并行控制算法,该改进算法通过给CMAC的控制量输出乘上一个时变的恢复系数σ可以动态地改变系统总控制量。仿真结果表明该改进算法响应速度快,静态误差小,在控制发动机非线性时变模型时具备较强的克服超调能力。     

基于强化学习的城市交通区域协调控制研究

交通控制系统是一个复杂的巨系统,传统的建模和控制方式难以获得较好的控制效果.文章针对区域协调控制中难以建立精确数学模型的特点,引入了强化学习,提出了基于强化学习的无模型区域协调控制算法.采用微观交通仿真软件对算法进行了仿真实验,与Webster定时控制进行对比,实验结果表明:强化学习算法取得较好的效果.     

基于模糊CMAC的三连杆机械臂的最优控制器

研究了将模糊CMAC神经网络和最优控制方法Hkamilton-Jacobi-Bellman(H-J-B)相结合来实现三连杆机械臂的最优控制策略。介绍了模糊CMAC神经网络的基本结构,基于二次最优控制信号的模糊CMAC控制器设计,推导了基于Lyapunov稳定性分析理论的神经网络自适应学习算法,并通过一个鲁棒化向量来克服系统模型中不确定项的影响,保证系统的稳定性。     

电梯智能群控系统的面向对象分析和研制

针对电梯群控系统(EGCS)的分析与设计问题，全面考虑多种交通信息，提出了用模糊推理来实现电梯交通模式的判定，通过对电梯的运行评价标准赋予不同的权值来调整调度算法，最终实现对电梯的分配。同时利用Coda&Yourdon的面向对象分析和设计技术，开发了电梯控制系统的演示软件，运行结果表明此策略的优越合理性。