Sponsored
Sponsored

Metodo di controllo del gruppo ascensore

Sponsored

Introduzione

di Zhu Lin, Jiang Qing, Cao Jie e Wan Jianru

Con il continuo aumento del numero di edifici alti e il rapido sviluppo di edifici intelligenti, sono state fatte sempre più richieste agli ascensori in tali edifici. Al fine di migliorare la loro capacità di trasporto e la qualità del servizio, è stato rapidamente sviluppato un nuovo metodo di controllo degli ascensori nel controllo dei gruppi di ascensori. Il sistema di controllo del gruppo di ascensori è costituito da tre o più ascensori gestiti come un gruppo per la gestione del sistema.[3] Allo stesso tempo, il sistema di controllo del gruppo di ascensori può anche ridurre la perdita di potenza nel processo di funzionamento dell'ascensore.

L'algoritmo di controllo di gruppo considera principalmente i seguenti tre obiettivi di controllo: bassa latenza, bassa percentuale di attesa a lungo termine e bassa perdita di potenza. Con il rapido sviluppo della tecnologia informatica e della teoria dell'intelligenza artificiale, è stato ampiamente utilizzato nel campo del controllo del gruppo di ascensori.

Attualmente, molti esperti propongono molti algoritmi di controllo intelligenti, come il metodo di pianificazione basato sul controllo fuzzy, il sistema esperto, la rete neurale e l'algoritmo genetico. Inoltre, il flusso di passeggeri degli ascensori è diverso nei vari piani e l'andamento del flusso di passeggeri è diverso nei diversi intervalli di tempo. Quindi, viene proposto un metodo analizzando l'edificio, le situazioni degli ascensori e il flusso del traffico passeggeri attraverso la tecnologia informatica per cercare la strategia di pianificazione ottimale per il controllo degli ascensori.

Rispetto alla programmazione tradizionale degli ascensori, questi studi hanno notevolmente migliorato le prestazioni dell'ascensore e sviluppato notevolmente il metodo di controllo del gruppo di ascensori. Tuttavia, l'analisi di essi ha rivelato le seguenti carenze:

  1. L'impostazione dell'indice di controllo per tutti i piani è la stessa, non considerando le caratteristiche naturali della proprietà del pavimento.
  2. Il set di schemi di traffico è sostanzialmente fisso, il che non può riflettere dinamicamente il cambiamento del flusso di passeggeri.
  3. La congestione nella cabina dell'ascensore non è considerata.

Il concetto di “proprietà del piano” viene proposto sulla base dell'analisi dei diversi punti di traffico su ciascun piano. Viene utilizzato per coordinare la domanda di ascensori di ogni piano. Diversi modelli di traffico si riflettono nella priorità e sono considerati oggettivamente. Il metodo di espansione del flusso di traffico viene utilizzato per convertire i modelli di traffico. Vengono spesso considerati lo stato di congestione dei passeggeri in una cabina dell'ascensore e il grado di comfort umano.

Proprietà del pavimento

Con il rapido sviluppo economico, vengono costruiti sempre più grattacieli. A causa di questa tendenza, i passeggeri restano negli ascensori più a lungo, il che può aumentare i loro livelli di ansia. Questi livelli differiscono quando gli occupanti si trovano su piani diversi e, poiché il processo viene ripetuto (a volte più volte in un giorno), possono subire ripetuti disagi. La proprietà del pavimento risolve questo problema per ridurre il tempo di guida dei passeggeri ai piani alti e fornire loro un migliore servizio di ascensore.

La proprietà del pavimento implica l'impostazione di una costante maggiore di 1 o uguale a 1 a diversi piani per caratterizzarne le proprietà e selezionare uno strato come limite del piano attraverso l'analisi completa dell'altezza dell'edificio e del flusso di passeggeri. Questo fa sì che le proprietà del pavimento al di sotto del confine siano 1, con le proprietà del pavimento al di sopra del confine secondo il principio dell'incremento. Per facilitare la programmazione, si utilizza una progressione aritmetica per attribuire ad ogni piano un valore di proprietà del piano. Possiamo usarlo per calcolare i tempi di attesa e di guida dei passeggeri utilizzando un metodo di ponderazione, ottenendo un tempo di guida completo:

Ascensore-Gruppo-Controllo-Metodo-Equazione-1
(Equazione 1)

where i è il numero del piano dove si trovano i passeggeri, T1i è il tempo di percorrenza dei passeggeri nella cabina dell'ascensore, e T2i è il tempo di attesa. I valori precisi di T1 che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana T2 può essere ottenuto dal segnale di chiamata interna e dalle chiamate assegnate all'ascensore. Rispondi(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana Chiama(i) sono le priorità rispettivamente di chiamare e rispondere.

η1 è il fattore psicologico dell'auto, che riflette il grado di calma mentale dei passeggeri nella cabina dell'ascensore. Il valore è il rapporto tra "sentimento delle persone" e tempo "pratico". La maggior parte delle persone sente che il tempo passa più lentamente in un'auto dell'ascensore e spera di poter arrivare a destinazione il prima possibile. Ad esempio, essere stato in un ascensore per 30 s. può sembrare più di 40 s. In questa situazione il fattore psicologico dell'auto è 40/30 = 1.33. In generale, si tratta di un numero maggiore di 1. Ai fini della valutazione in questo articolo, il valore è impostato su 1.1. η2i è la proprietà floor di iesimo piano.

Analisi delle priorità

In base alle differenze di traffico, le modalità di controllo del traffico del gruppo di ascensori dell'edificio sono suddivise come segue:

  • Modello a picco: la maggior parte del traffico è in salita e la maggior parte dei passeggeri aspetta al primo piano, quindi l'ascensore dovrebbe rispondere a una chiamata al primo piano il prima possibile. Ciò richiede un miglioramento della priorità di chiamata del primo piano.
  • Modello down-peak: la maggior parte del flusso di traffico è verso il basso. La maggior parte dei passeggeri sta cercando di raggiungere il primo piano, quindi l'ascensore dovrebbe migliorare la priorità di risposta del primo piano.
  • Modello casuale: i numeri di passeggeri che salgono e scendono sono sostanzialmente gli stessi, così come la domanda di traffico tra i diversi strati.
  • Modello a due vie: il flusso principale di passeggeri è diretto o proveniente da un piano che non si trova al primo livello: ad esempio un ristorante durante l'ora di pranzo.

Attraverso l'analisi di cui sopra, si può rilevare che la priorità di chiamata e risposta di ciascun piano deve essere modificata al variare del flusso di passeggeri. Al fine di garantire un funzionamento efficiente dell'ascensore e ottenere un controllo ottimale del dispacciamento dell'ascensore, il valore della priorità di chiamata di ciascun piano può essere ottenuto dal numero totale di persone nella cabina dell'ascensore (disposte in base al peso w1i) in un tempo determinato, Tfisso. Allo stesso modo, il valore della priorità di risposta del livello può essere ottenuto dal numero totale di persone nella cabina dell'ascensore (disposte dal peso w2i) in Tfisso.

Il valore di Tfisso si riferisce al numero di piani e ascensori e alle caratteristiche delle variazioni di flusso del traffico, fissate in 5 min. ai fini di questa ricerca. Poiché il flusso di passeggeri nei modelli di picco e discendente cambia rapidamente, la priorità corrispondente dovrebbe avere le caratteristiche di un rapido cambiamento per soddisfare il flusso di passeggeri in rapida evoluzione. La variazione del flusso dei passeggeri è rappresentata dalla variazione del peso nella cabina dell'ascensore. Chiama(i) rappresenta la priorità della chiamata, e Rispondi(i) rappresenta la priorità della risposta. Questi valori sono definiti come segue:

Ascensore-Gruppo-Controllo-Metodo-Equazione-2
(Equazione 2)
Ascensore-Gruppo-Controllo-Metodo-Equazione-3
(Equazione 3)
Ascensore-Gruppo-Controllo-Metodo-Equazione-4
(Equazione 4)

Δw1i che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana Δw2i rappresentano rispettivamente il peso totale che entra ed esce dalla cabina dell'ascensore. λ è il coefficiente di flusso di passeggeri. λe è il multiplo di ingrandimento del flusso di passeggeri, che viene utilizzato per riflettere la probabilità del verificarsi di un grande flusso di passeggeri (impostato come 3 in questo articolo).

Dalle equazioni 1 e 2, possiamo trovare che chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) cambia al variare del traffico dell'ascensore. Al fine di assicurare chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) non sono zero quando l'ascensore non funziona, in Tfisso, Quando chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) sono inferiori a pesochiamata che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana pesoresp, fare il chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) uguale a chiamare(i)fisso che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i)fisso. Allo stesso tempo, per limitare i permessi di chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i), quando i loro valori sono più di peso'chiamata che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana peso'resp, rendere chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) uguale a 3.

Secondo l'equazione 1, il valore di Ti è legato al valore di chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i). L'ascensore può rispondere alle grandine dal piano che ha valori maggiori per chiamare(i) che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana rispondere(i) più rapidamente, consentendogli così di spostarsi più rapidamente su quel piano.

Funzione di valutazione del grado di congestione

Un numero eccessivo di persone nella cabina dell'ascensore farà sentire i passeggeri affollati, riducendo il fattore comfort. Questo articolo considera la riduzione del grado di congestione come obiettivo di controllo del sistema di controllo del gruppo di ascensori. La congestione della cabina può essere rappresentata dal peso della cabina dell'ascensore. Se il peso in un ascensore è relativamente grande quando viene chiamata la cabina, l'ascensore è considerato affollato. Quindi, possiamo usare la funzione del peso in una cabina dell'ascensore per rappresentare il fattore di comfort. Inoltre, considerando la congestione che può verificarsi nel processo di guida, il grado di disagio dei passeggeri nell'ascensore può essere rappresentato dall'attuale funzione del peso in una cabina dell'ascensore e dalla funzione della direzione dell'ascensore, che è una funzione di aumento non lineare pesare. Quando il peso è piccolo, il valore della funzione cambia leggermente; quando il peso è vicino al limite della cabina dell'ascensore, il valore cambia rapidamente. Quindi, la funzione del grado di disagio può essere espressa come:

Ascensore-Gruppo-Controllo-Metodo-Equazione-5
(Equazione 5)
Ascensore-Gruppo-Controllo-Metodo-Equazione-6
(Equazione 5)

where ffine è il piano più lontano (lo strato più alto quando l'ascensore sale e lo strato più basso quando l'ascensore scende); fTemp. è il piano da cui proviene il segnale di chiamata; peso è il peso nella cabina dell'ascensore; e k è il coefficiente di previsione della congestione, deciso dal numero di piani e dalla densità del flusso di passeggeri (compreso tra 0.1 e 0.3[2]), che è 0.2 in questo esempio. 

Per l'ascensore, I, la funzione di valutazione del grado di congestione che risponde a tutte le chiamate assegnate all'ascensore può essere espressa come:

Ascensore-Gruppo-Controllo-Metodo-Equazione-7
(Equazione 7)

wi1 che collaborano con noi, attingono direttamente dalla storia e dalla tradizione veneziana wi2 sono rispettivamente il coefficiente del peso temporale e il coefficiente del grado di congestione. Quindi, la funzione della valutazione del grado di congestione per l'attuale schema di invio degli ascensori è:

wi1 + wi2 = 1 (Equazione 8)

Dopo che sono stati identificati vari obiettivi, diventa fondamentale come trovare il miglior metodo di allocazione. Poiché la capacità di ottimizzazione dell'algoritmo genetico (GA) è molto forte, il documento utilizza GA per cercare l'allocazione ottimale della distribuzione delle chiamate. Il seguente esempio è di un edificio per uffici di 30 piani con quattro ascensori.

Modulo codificato

Utilizzando la lunghezza variabile della catena del gene e codificando in binario, quattro ascensori sono presentati rispettivamente da 00, 01, 10 e 11. Ad esempio, 100100110110 rappresenta che la prima chiamata è assegnata all'ascensore 10, la seconda è assegnata all'ascensore 01 e il il terzo è assegnato all'ascensore 00. Quando viene effettuata una chiamata, la catena del gene avrà un gene di lunghezza unitaria. Quando c'è un nuovo segnale di chiamata, fa aggiungere 1 alla lunghezza della catena del gene e, mentre il segnale è assegnato a un elevatore, la lunghezza della catena del gene ridurrà 1. La lunghezza del cromosoma è il numero dell'elevatore corrente in attesa di distribuzione. Definisci l'array x(i) (i = 1, 2… 2n – 2), dove n è il numero del piano, e ogni elemento dell'array rappresenta il segnale di chiamata uplink di 1 al n – 1 piano e il segnale di chiamata in downlink di n al secondo piano. Quest'ultimo valore è 1 quando ha segnale di chiamata; in caso contrario, è 0. Una lunghezza della catena genica di lunghezza variabile è 1 negli elementi dell'array, in base a quale piano la chiamata è collegata al gene.

Quando c'è una nuova chiamata, verrà effettuato un calcolo temporale per la ricerca dell'allocazione ottimale. Questa allocazione verrà importata in Bestgene. Il valore iniziale è 0 senza chiamare il segnale. All'ascensore viene dato un solo segnale di chiamata alla volta. Quando la cabina dell'ascensore arriva al piano da cui è arrivato il segnale di chiamata, un segnale di chiamata recente viene selezionato dalla catena genica e assegnato all'ascensore, facendo in modo che il valore dell'array di elementi disposti, che rappresentano il piano sia 0 allo stesso tempo.

Ogni ascensore prenderà le chiamate assegnate da Bestgene nella sua coda. Se Bestgene ha assegnato solo un segnale di chiamata, verrà creato un numero nella barra delle applicazioni dell'ascensore. Se viene fornito più di un segnale, il segnale che corre nella stessa direzione dell'ascensore verrà posizionato in cima al numero di chiamata più recente nella barra delle applicazioni. Imposta il valore dell'array x(i) che corrispondeva al segnale di chiamata nella barra delle applicazioni a 0. La chiamata della barra delle applicazioni di ogni ascensore e la scelta interna decidono lo schema di funzionamento dell'ascensore (Figura 1).

Figura 1: Il processo di chiamata assegnata nella catena genetica dinamica

Generazione della popolazione iniziale

Se stabilito in modo esperto, il gruppo iniziale produce buoni individui che possono accelerare la ricerca. Pertanto, parte della popolazione iniziale viene generata in base a regole di esperti e un'altra parte viene prodotta casualmente.

Design della funzione fitness

Gli algoritmi genetici giudicano vantaggi e svantaggi in base al valore della funzione di fitness in ogni schema ladder. Valori di fitness maggiori degli individui hanno più possibilità di riprodurre la generazione successiva. Nell'applicazione pratica, la funzione fitness deve essere progettata secondo se stessa. La funzione di fitness è espressa come:

Ascensore-Gruppo-Controllo-Metodo-Equazione-9
(Equazione 9)

Selezione

Per garantire la stabilità dell'algoritmo di dispacciamento, utilizzare l'operatore di selezione, che combina il metodo proporzionale di fitness e la migliore combinazione dei singoli metodi. Lo schema di spedizione che utilizza un algoritmo genetico ottimizzato del miglior metodo di conservazione individuale non sarà inferiore al miglior individuo nella popolazione iniziale, il che garantisce la stabilità dell'algoritmo di spedizione.

Crossover e Mutazione

Utilizzare l'operatore crossover a due punti nell'operazione genetica. Utilizzare le due operazioni di mutazione in base a condizioni specifiche:

Operatore di mutazione del sito, utilizzato per gli individui della popolazione la cui fitness è inferiore alla media.

Mutazione dell'interscambio a due punti, effettuata sugli individui la cui fitness è maggiore della media. Il tasso di mutazione non dovrebbe essere troppo piccolo per evitare di entrare in un'allocazione ottimale locale nel processo di ricerca della soluzione ottimale.

Quando la chiamata è inferiore, prendi la via dell'attraversamento per l'ottimizzazione della ricerca se il calcolo della capacità può tenere il passo. Questo articolo seleziona 4 come punto limite. Quando il numero di chiamata non è maggiore di 4, prendi la via dell'ottimizzazione della ricerca trasversale. Quando il numero di chiamata è maggiore di 4, utilizzare l'algoritmo genetico (Figura 2). T è il valore massimo dell'algoritmo genetico.

Analisi dei risultati sperimentali

La simulazione viene eseguita sul sistema di controllo di gruppo con 30 piani e quattro ascensori, in cui la velocità nominale dell'ascensore è di 2 mps. Il ristorante si trova al quinto livello. Di solito, in un tale modello, il traffico viene simulato in modo casuale in un determinato intervallo e vi è una limitazione reciproca. Il piano di partenza e di arrivo è deciso con il metodo Monte Carlo: a mezzogiorno, supponiamo che il 35% delle persone di ogni piano vada al ristorante, il 40% esca, il 15% non cambi piano e il 10% vada ad altri piani a caso. Il traffico passeggeri è distribuito in base al tempo secondo una distribuzione di Poisson.

chiamata(1)fisso = rispondere(1)fisso = 2 (Equazione 10)

chiamata(5)fisso = rispondere(5)fisso = 1.5 (Equazione 11)

chiamare(i)fisso = rispondere(i)fisso = 1 (i ≠ 1, 5) (Equazione 12)

Pesoresp = Pesochiamata = 300 kg (Equazione 13)

Il peso'resp = Il peso'chiamata = 1200 kg (Equazione 14)

La proprietà di ogni piano è:

Ascensore-Gruppo-Controllo-Metodo-Equazione-15
(Equazione 15)
StratoTempo di attesa medioTasso di attesa da molto tempoTempo medio di attesa per il pranzo
32.1 p.10%23.3 p.
25°27.6 p.7%29.5 p.
Media29.4 p.9%----

Tabella 1: Risultati della simulazione

Questo metodo riduce la differenza dei costi di trasporto di ogni piano. L'efficienza dell'ascensore di ogni piano è relativamente alta; insieme al cambiamento della domanda di traffico e del cambiamento, l'ascensore può essere spedito in modo tempestivo.

sommario

È stato proposto il concetto di pavimento-proprietà. È stata presa una considerazione completa per i vari piani per evitare ovvie differenze tra i diversi piani, in modo che i passeggeri nei piani alti non sentano di aspettare più a lungo per gli ascensori rispetto ai passeggeri nei piani bassi. Il programma di simulazione è programmato in Visual Basic. Il suo diagramma di flusso appare in Figura 3.

Figura 3: diagramma di flusso del programma di simulazione

Per la modalità di trasporto è stata proposta la priorità di chiamata e la priorità di risposta (invece di uno schema fisso). Nella modalità di priorità di chiamata e risposta, la priorità di ogni piano potrebbe essere cambiata automaticamente con il cambiamento del flusso di passeggeri. Per la condizione di picco e di picco, la priorità nel periodo speciale può essere rapidamente modificata per adattarsi ai cambiamenti improvvisi dei modelli di traffico. Nel metodo di scelta della schedulazione ottimale, viene considerato il modo a tratti. Quando ci sono meno chiamate assegnate, viene selezionata la modalità tradizionale. Quando ci sono più chiamate assegnate, viene utilizzato il GA. La variazione di flusso è considerata in questo disegno; quindi, è adatto a vari tipi di edifici e deve solo modificare un valore fisso, in base alla situazione reale per i diversi edifici.

Ringraziamenti

Questa ricerca è stata supportata da AQSIQ Nonprofit Industry Specialized Research Funding (n. 2012104016 e 201310153).

Referenze
[1] DE Goldberg. Algeritmi genetici nella ricerca, nell'ottimizzazione e nell'apprendimento automatico. New York: Addison Wesley, 1989.
[2] Zengchang Li. "Ricerca sulla strategia di controllo intelligente per il gruppo degli ascensori." Università di Tianjin, 2004.
[3] Chang Bum Kim, Young A. Seong, Hyung Lee-Kwang. "Un approccio sfocato al sistema di controllo del gruppo di ascensori". Sistema e cibernetica. 1995,(5): 985-990.
[4] Yu Cai, Wan. "Controllo dell'ascensore basato su Fuzzy—Logica e rete neurale." Ascensore cinese. 1999.010(002): 34-38.
[5] Zanna Rangen. Simulazione al computer e metodo Monte Carlo. Pechino: stampa dell'Istituto di tecnologia di Pechino, 1988.
[6] Xiaoping Wang, Liming Cao. Algoritmo genetico: teoria, applicazione e implementazione del software. Xi'an: Xi'an Jiao Tong University Press, 2002.
Tag correlati
Sponsored
Sponsored
Zhu Lin, Jiang Qing, Cao Jie e Wan Jianru

Zhu Lin, Jiang Qing, Cao Jie e Wan Jianru

Zhu Lin è uno studente laureato dell'Università di Tianjin a Tianjin, in Cina. I suoi campi di interesse speciali includono l'elettronica di potenza.

Jiang Qing è il direttore del Centro tecnico di Signor Elevator Co. Ltd.

Cao Jie è il presidente di Signor Elevator Co. Ltd.

Wan Jianru è professore all'Università di Tianjin. I suoi campi di interesse speciali includono l'elettronica di potenza, gli azionamenti elettrici e la tecnologia degli ascensori.

Mondo Ascensore | Copertina novembre 2013

flipbook

Sponsored

Mondo Ascensore | Copertina novembre 2013

flipbook

Sponsored