基于RS-FNN的电梯群智能控制策略

在电梯群控制调度算法中，如何有效利用电梯群控制系统中的大量复杂、冗余或不完备的原始数据以及群控制策略如何适应多变的电梯交通状况是提高电梯群控性能的关键问题。本文提出一种新型的粗糙集－模糊神经网络混合控制策略。针对电梯群控制系统中大量可参考属性信息，采用粗糙集理论进行属性约简，提炼出在不同交通流模式下对系统最重要的属性，再建立相应交通流模式下的模糊神经网络。仿真实验证明该群控制策略在派梯调度时，可实时预测和辨识电梯交通流模式，根据不同交通流模式采用不同的模糊神经网络模型进行派梯计算，尤其提高了电梯群控系统在混合交通流状况下的运行效率。关键词:电梯群控系统；粗糙集；模糊神经网络Abstract:  Effective  mining  the  huge  elevator  data  in  elevator  group  control  system  and  improve  the  performance  in  variable  traffic  pattern  is  the  key  problem  in  elevator  group  control  policy  research.  In  this  paper,  a  novel  intelligent  elevator  group  control  strategy  based  on  rough  set  theory  and  fuzzy  neural  network  called  RS-FNN  strategy  is  proposed.  As  a  strong  data  fusion  method,  rough  set  theory  can  extract  the  most  important  system  attributes.  This  proposed  control  method  firstly  reduce  the  main  attributes  in  elevator  group  control  system  with  discernibility  matrix  method  in  rough  set  theory,  and  then  build  up  a  fuzzy  neural  network  to  control  the  elevator  group.  The  simulation  results  show  that  this  proposed  novel  elevator  group  control  method  can  improve  elevator  system  performance  and  adapt  complicated  traffic  flow  in  variable  elevator  traffic  flow  conditions.Keywords:  Elevator  group  control  system;  rough  set,  fuzzy  neural  network