四層結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)電梯群控算法研究及程序?qū)崿F(xiàn)

許英杰 潘廷哲 胡志男 黃景山

四層結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)電梯群控算法研究及程序?qū)崿F(xiàn)

許英杰1潘廷哲1胡志男2黃景山1

（1.廈門(mén)大學(xué)航空航天學(xué)院 廈門(mén) 361005）（2.廈門(mén)大學(xué)物理科學(xué)與技術(shù)學(xué)院 廈門(mén) 361005）

為提高電梯群控系統(tǒng)的載客效率，減少系統(tǒng)運(yùn)行能耗，提高運(yùn)行穩(wěn)定性，在傳統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)算法的原理上，設(shè)計(jì)了基于電梯群控模糊規(guī)則的四層模糊神經(jīng)網(wǎng)絡(luò)算法，確定四層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，定義模糊規(guī)則，測(cè)算隸屬數(shù)值，推導(dǎo)隸屬度函數(shù)，并且基于Matlab提出算法檢驗(yàn)方案，給出驗(yàn)證結(jié)果。最后采用結(jié)構(gòu)化編程思路在PLC中實(shí)現(xiàn)控制程序，并提出可變響應(yīng)閉環(huán)的程序?qū)崿F(xiàn)方式。

電梯群控；模糊控制；四層神經(jīng)網(wǎng)絡(luò)；Matlab建模仿真檢驗(yàn)

AbstractIn order to improve passenger carrying efficiency of the elevator group control system，reduce system energy con?sumption and improve the stability of the operation，a four-layer neural network algorithm based on the algorithm principle of tradi?tional fuzzy neural network is designed.The implementation includes determining four fuzzy neural network structure，defining the fuzzy rules，calculating the membership value，deriving the membership function and presenting the results through Matlab pro?gram.Finally，elevator control program is designed through the structured programming method in PLC and a variable response of the closed-loop programming method is proposed.

Key Wordselevator group control，fuzzy control，four-layer neural network，Matlab modeling and simulation

Class NumberTP301.6

1 引言

城市現(xiàn)代化建設(shè)離不開(kāi)電梯。隨著近年來(lái)建筑樓層逐步提高，電梯層數(shù)、梯數(shù)不斷增加，電梯使用頻率也不斷提高。確保電梯穩(wěn)定、高效、節(jié)能運(yùn)行成為電梯研究的重點(diǎn)。電梯群控系統(tǒng)（EGCS）具有隨機(jī)性、非線性，難以通過(guò)建立精確模型完成推導(dǎo)控制，需要通過(guò)研究電梯的調(diào)度特性，擇取一種最優(yōu)控制算法，并實(shí)現(xiàn)理論仿真及實(shí)踐驗(yàn)證。

2 算法選擇

電梯的算法有多種，其中研究較為完善地包括基于神經(jīng)網(wǎng)絡(luò)的控制算法、基于模糊邏輯的控制算法、基于遺傳算法的控制算法［1］、多目標(biāo)優(yōu)化控制算法、基于排隊(duì)論的控制算法［2］、基于模糊神經(jīng)網(wǎng)絡(luò)的控制算法［3］。綜合比較，神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)龐大，網(wǎng)絡(luò)訓(xùn)練樣本較多［4］，因此結(jié)果的合理性難以驗(yàn)證；基于模糊邏輯的控制算法性能主要取決于專(zhuān)家系統(tǒng)，專(zhuān)家認(rèn)定的模糊規(guī)則不完全適用于各類(lèi)型電梯，缺乏對(duì)問(wèn)題及環(huán)境的適應(yīng)性；基于遺傳算法的控制算法本身所具有的隨機(jī)性使其搜索進(jìn)程效率不高，其優(yōu)良的搜索結(jié)果是以盡可能長(zhǎng)的搜索時(shí)間為代價(jià)的，對(duì)于電梯響應(yīng)度高、隨機(jī)性大、控制器性能有限的情況，并不能發(fā)揮最優(yōu)效果；多目標(biāo)優(yōu)化控制算法，優(yōu)化目標(biāo)和權(quán)重需要自行設(shè)定，穩(wěn)定性不高；排隊(duì)論適合于高峰期情況，對(duì)于平均候梯時(shí)間有明顯的改善，但是對(duì)于平均乘梯時(shí)間和整體能耗兩個(gè)指標(biāo)考慮略少［5］。

模糊神經(jīng)網(wǎng)絡(luò)控制算法［6］較之其他算法更為完善，可在不清楚函數(shù)自變量之間的內(nèi)部關(guān)系的條件下，根據(jù)電梯特性制定出符合當(dāng)前情況的最優(yōu)解。

3 模糊神經(jīng)網(wǎng)絡(luò)算法研究

模糊神經(jīng)網(wǎng)絡(luò)由三部分構(gòu)成：輸入層、隱層（包含兩層結(jié)構(gòu)）和輸出層［7］。基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)灰色系統(tǒng)預(yù)測(cè)出電梯的平均乘梯時(shí)間、平均候梯時(shí)間、電梯運(yùn)行能耗各參數(shù)關(guān)系，通過(guò)模糊規(guī)則求解電梯的隸屬函數(shù)值，最終進(jìn)行反向求解，求出電梯的平均乘梯時(shí)間、平均候梯時(shí)間、電梯能耗的權(quán)重值w1，w2，w3，確定目標(biāo)隸屬函數(shù)，實(shí)現(xiàn)電梯的最優(yōu)調(diào)度。

3.1 四層神經(jīng)網(wǎng)絡(luò)架構(gòu)確定

神經(jīng)網(wǎng)絡(luò)用以調(diào)度電梯狀態(tài)之間以及目標(biāo)結(jié)果之間的聯(lián)系，由于網(wǎng)絡(luò)內(nèi)部具體聯(lián)系的法則不可準(zhǔn)確預(yù)知，需采用模糊規(guī)則調(diào)度原則，以達(dá)到對(duì)當(dāng)前情況的最優(yōu)選擇和對(duì)未來(lái)情況的準(zhǔn)確預(yù)測(cè)。如圖1所示，神經(jīng)網(wǎng)絡(luò)采用一個(gè)輸入層，用于將每部電梯的狀態(tài)總量 (X1，X2，…，Xn)，即電梯最長(zhǎng)乘梯時(shí)間、最長(zhǎng)候梯時(shí)間和啟停次數(shù)傳送到模糊神經(jīng)網(wǎng)絡(luò)的第二層；第二層為隸屬函數(shù)層，包含每部電梯的平均乘梯時(shí)間ART、平均候梯時(shí)間AWT、整體能耗EC；第三層是用于計(jì)算每條規(guī)則適用度的規(guī)則層，每個(gè)節(jié)點(diǎn)表示一條模糊規(guī)則，其模糊規(guī)則由電梯的運(yùn)行機(jī)制與邏輯運(yùn)行的合理性確定；第四層為輸出層，用于歸一化計(jì)算每部電梯通過(guò)模糊規(guī)則確定的神經(jīng)網(wǎng)絡(luò)聯(lián)系，最終得出的隸屬度函數(shù)值。

圖1 四層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

3.2 隸屬度函數(shù)推導(dǎo)

為了實(shí)現(xiàn)電梯的平均乘梯時(shí)間、平均候梯時(shí)間、整體能耗［8］最少，采用隸屬函數(shù)來(lái)綜合評(píng)估以上三個(gè)數(shù)據(jù)，建立的函數(shù)關(guān)系可以是多種，如式（1）所示。

但是最簡(jiǎn)單的調(diào)度方法是采用一次函數(shù)的調(diào)度原則。并且規(guī)定隸屬函數(shù)最小值者即為最優(yōu)調(diào)度電梯，可確定隸屬度函數(shù)［9］如式（2）。

AWT、ART、EC的確定，要求不僅和當(dāng)前運(yùn)行狀態(tài)有關(guān)，還與未來(lái)電梯運(yùn)行狀態(tài)有關(guān)，若采用控制器直接測(cè)定，所獲取當(dāng)前數(shù)據(jù)具有局限性，無(wú)法預(yù)測(cè)未來(lái)電梯運(yùn)行狀態(tài)特征。

間接替代法是通過(guò)測(cè)量電梯某些典型運(yùn)行狀態(tài)下的最長(zhǎng)乘梯時(shí)間、最長(zhǎng)候梯時(shí)間，以及電梯的平均乘梯時(shí)間、平均候梯時(shí)間，然后進(jìn)行灰色系統(tǒng)預(yù)測(cè)，得到更多的電梯運(yùn)行狀態(tài)數(shù)據(jù)。表1為所獲取電梯典型運(yùn)行狀態(tài)下?tīng)顟B(tài)量，表2為灰色系統(tǒng)［10］預(yù)測(cè)狀態(tài)量。

選擇最長(zhǎng)乘梯時(shí)間、最長(zhǎng)候梯時(shí)間、啟停次數(shù)的原因是為了使編程簡(jiǎn)化，并且它們與平均乘梯時(shí)間、平均候梯時(shí)間、整體能耗存在內(nèi)部聯(lián)系。

首先我們要根據(jù)電梯最長(zhǎng)候梯時(shí)間與電梯狀態(tài)量的關(guān)系如式（3）所示。

其中a為最長(zhǎng)候梯時(shí)間ti為單位起停時(shí)間，cl為電梯運(yùn)行到結(jié)束當(dāng)前待分配外呼的啟停次數(shù)。tj為單位樓層運(yùn)行時(shí)間，pl為每響應(yīng)一次外呼電梯的運(yùn)行樓層數(shù)。

平均候梯時(shí)間與電梯運(yùn)行狀態(tài)關(guān)系如式（4）。

ci為從電梯運(yùn)行到結(jié)束當(dāng)前待分配外呼的每一次的啟停次數(shù)，pj為最長(zhǎng)運(yùn)行樓層數(shù)，w為電梯外呼數(shù)量。

由上兩組公式可以得出，電梯的平均候梯時(shí)間與最長(zhǎng)候梯時(shí)間之間存在關(guān)系，根據(jù)實(shí)際研究對(duì)象的功能性能測(cè)試，便可以求出兩者關(guān)系，并且符合一個(gè)長(zhǎng)期的預(yù)測(cè)功能。

根據(jù)灰色系統(tǒng)預(yù)測(cè)狀態(tài)量數(shù)值即最長(zhǎng)候梯時(shí)間與其對(duì)應(yīng)的平均乘梯時(shí)間，利用Matlab中的cftool工具箱［11］即可求解平均候梯時(shí)間AWT與當(dāng)前的最長(zhǎng)候梯時(shí)間a關(guān)系如式（5）所示。

表1 單部電梯典型運(yùn)行電梯狀態(tài)量

表2 灰色系統(tǒng)預(yù)測(cè)電梯狀態(tài)量

電梯的最長(zhǎng)乘梯時(shí)間與電梯運(yùn)行參量的關(guān)系如式（6）所示。

其中ca為最后一個(gè)內(nèi)呼信號(hào)響應(yīng)結(jié)束后的啟停次數(shù)，pa為最后一個(gè)內(nèi)呼信號(hào)響應(yīng)結(jié)束后經(jīng)歷的樓層數(shù)。

電梯的平均乘梯時(shí)間與電梯運(yùn)行參量關(guān)系如式（7）所示。

cai為電梯運(yùn)行到每一次內(nèi)呼信號(hào)響應(yīng)的啟停次數(shù)，paj為每次響應(yīng)完內(nèi)呼的電梯的運(yùn)行樓層數(shù)。

由此可知，電梯平均乘梯時(shí)間可由電梯最長(zhǎng)乘梯時(shí)間決定，針對(duì)研究的對(duì)象進(jìn)行參數(shù)測(cè)試，可根據(jù)表1的狀態(tài)量與表2的灰色系統(tǒng)預(yù)測(cè)值用Matlab中cftool工具箱擬合獲得平均乘梯時(shí)間ART與最長(zhǎng)乘梯時(shí)間b的關(guān)系如式（8）所示。

3.3 權(quán)重求解

式（1）中 w1、w2、w3權(quán)重求解，需要利用模糊神經(jīng)網(wǎng)絡(luò)求出每部電梯的隸屬度函數(shù)值，再反向推倒求解平均候梯時(shí)間、平均乘梯時(shí)間、總的啟停次數(shù)所占隸屬度函數(shù)中權(quán)重。

通過(guò)表3模糊規(guī)則表和圖2隸屬度函數(shù)規(guī)則，確定的神經(jīng)網(wǎng)絡(luò)聯(lián)系，最終得出的隸屬度函數(shù)值。具體過(guò)程如下：

表3 模糊規(guī)則表

圖2 電梯隸屬度函數(shù)規(guī)則

將所有計(jì)算出來(lái)的AWT，ART，EC輸入到神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中建立聯(lián)系，然后經(jīng)過(guò)模糊規(guī)則的運(yùn)算后，得到 k1，k2，k3，得到最終的隸屬度函數(shù)的值為k=k1+k2+k3。利用k與輸入的AWT，ART，EC進(jìn)行多目標(biāo)關(guān)系求解，即將多組k、AWT、ART、EC帶入到上述關(guān)系式中，反推獲得w1、w2、w3。

4 四層模糊神經(jīng)網(wǎng)絡(luò)的電梯群控算法驗(yàn)證

為檢驗(yàn)電梯的隸屬函數(shù)求解的正確性，隨機(jī)選取電梯運(yùn)行的狀態(tài)，并與隸屬度函數(shù)中的AWT、ART做誤差統(tǒng)計(jì)分析，結(jié)果如圖3、圖4所示，驗(yàn)證了算法指標(biāo)的正確性。

圖3 AWT誤差統(tǒng)計(jì)分析圖

關(guān)于隸屬度函數(shù)應(yīng)用于兩部6層電梯驗(yàn)證情況如表4所示，由調(diào)度結(jié)果可驗(yàn)證隸屬函數(shù)的最優(yōu)性。

圖4 ART誤差統(tǒng)計(jì)分析圖

表4 三部六層電梯調(diào)度結(jié)果驗(yàn)證

5 PLC程序?qū)崿F(xiàn)

5.1 面向?qū)ο蠼Y(jié)構(gòu)化編程

圖5 三部電梯群控結(jié)構(gòu)框圖

多部電梯群控采用結(jié)構(gòu)化編程方式［12］實(shí)現(xiàn)：先采用面向?qū)ο缶幊谭绞剑?3］實(shí)現(xiàn)單步電梯轎廂邏輯，包括上下行、開(kāi)關(guān)門(mén)、加減速等控制，單步電梯轎廂邏輯可復(fù)用至多部電梯；進(jìn)一步開(kāi)放每部電梯的呼叫表，包括上行外呼表，下行外呼表，內(nèi)呼叫表，呼叫表記錄每一樓層的呼叫信息，通過(guò)呼叫表可生成轎廂上執(zhí)行表，下執(zhí)行表；最后通過(guò)模糊神經(jīng)網(wǎng)絡(luò)算法計(jì)算出最優(yōu)分配后，以外呼請(qǐng)求形式更新至對(duì)應(yīng)電梯呼叫表。PLC程序結(jié)構(gòu)如圖5所示。

5.2 狀態(tài)總量求解

隸屬度函數(shù)求解前提是獲取電梯狀態(tài)總量，狀態(tài)總量計(jì)算復(fù)雜且計(jì)算量大，需要進(jìn)行窮舉推算，通過(guò)構(gòu)造可變響應(yīng)閉環(huán)的形式，可發(fā)揮PLC［14］運(yùn)算優(yōu)勢(shì)，提高效率。

5.2.1 可變響應(yīng)閉環(huán)

電梯響應(yīng)完所有呼叫最大的運(yùn)行軌跡可定義為一個(gè)完整的閉合圓環(huán)，即最大響應(yīng)閉環(huán)。最大響應(yīng)閉環(huán)是以轎廂當(dāng)前所在樓層為閉環(huán)起點(diǎn)和終點(diǎn)，上行狀態(tài)則閉環(huán)方向?yàn)椋浩瘘c(diǎn)→上頂點(diǎn)→下頂點(diǎn)→終點(diǎn)，下行狀態(tài)：起點(diǎn)-下頂點(diǎn)-上頂點(diǎn)-終點(diǎn)。

通過(guò)五表（上行外呼表，下行外呼表，內(nèi)呼叫表、上執(zhí)行表，下執(zhí)行表）求出當(dāng)前電梯所有呼叫中最高層的呼叫和最底層的呼叫，作為閉環(huán)上頂點(diǎn)和下頂點(diǎn)，判斷出閉環(huán)的長(zhǎng)度。

圖6 可變響應(yīng)閉環(huán)示例

大多情況轎廂運(yùn)行不是一個(gè)完整的閉合軌跡，閉環(huán)起點(diǎn)和終點(diǎn)位于不同位置。這里仍然構(gòu)造一個(gè)響應(yīng)閉環(huán)，這個(gè)閉環(huán)是可變的，因最高層和最底層呼叫樓層而長(zhǎng)度不同，因轎廂當(dāng)前樓層不同而位置不同，響應(yīng)閉環(huán)可以不閉合，甚至為一條直線。下面舉例說(shuō)明構(gòu)造思路。

如圖7左圖所示，閉環(huán)結(jié)構(gòu)中，當(dāng)電梯處于睡眠狀態(tài)，隨機(jī)一個(gè)外呼，電梯響應(yīng)閉環(huán)結(jié)構(gòu)，運(yùn)行軌跡為一條直線，響應(yīng)閉環(huán)構(gòu)造時(shí)將閉環(huán)下頂點(diǎn)，上頂點(diǎn)，終點(diǎn)置于同一點(diǎn)。

圖7右圖中，當(dāng)轎廂響應(yīng)到頂點(diǎn)時(shí)，可能會(huì)出現(xiàn)轎廂當(dāng)前位置不屬于下一個(gè)響應(yīng)閉環(huán)范圍，此時(shí)需以最近的路徑將轎廂運(yùn)行到響應(yīng)閉環(huán)內(nèi)。

圖7 閉環(huán)結(jié)構(gòu)調(diào)整特例

5.2.2 計(jì)算狀態(tài)總量

當(dāng)EGCS中每部電梯性能相同時(shí)，可根據(jù)響應(yīng)閉環(huán)內(nèi)的呼叫表計(jì)算狀態(tài)總量。對(duì)響應(yīng)閉環(huán)內(nèi)的呼叫表按照閉環(huán)方向計(jì)算求出啟停次數(shù)和運(yùn)行樓層數(shù)。啟停時(shí)間等于啟停次數(shù)與單位啟停時(shí)間的乘積，運(yùn)行時(shí)間等于運(yùn)行樓層數(shù)與單位樓層運(yùn)行時(shí)間的乘積，啟停時(shí)間與運(yùn)行時(shí)間和即為響應(yīng)時(shí)間，變換之后可求出AWT，ART，EC。

5.3 調(diào)度算法及結(jié)果分配

計(jì)算出每一部電梯的狀態(tài)總量后，依據(jù)模糊神經(jīng)網(wǎng)絡(luò)算法計(jì)算出每一部電梯的隸屬函數(shù)值［15］，然后按照規(guī)定好的規(guī)則對(duì)隸屬函數(shù)值進(jìn)行比較擇優(yōu)。

由隸屬函數(shù)值比較之后得出最優(yōu)的調(diào)度方案，將對(duì)應(yīng)的外呼進(jìn)行分配得出每一部電梯的呼叫表。每一個(gè)外呼僅能分配給一部電梯，此時(shí)分配的外呼是根據(jù)當(dāng)前轎廂狀態(tài)預(yù)判出最佳的運(yùn)行邏輯［16］。

由于人為因素的影響，轎廂不會(huì)完全按照預(yù)判出的響應(yīng)閉環(huán)運(yùn)行，多部電梯在響應(yīng)過(guò)程中不可避免地會(huì)發(fā)生響應(yīng)沖突，為解決沖突問(wèn)題，采用更新呼叫表機(jī)制。EGCS的外部呼叫總表包含每一部電梯自身的外呼叫表，分配機(jī)制采用每一個(gè)呼叫只會(huì)分配給一部電梯，沖突現(xiàn)象會(huì)反映到呼叫總表上，用呼叫總表更新每一部電梯的呼叫表可以有效發(fā)現(xiàn)并且解決沖突現(xiàn)象。

6 結(jié)語(yǔ)

通過(guò)對(duì)實(shí)際電梯對(duì)象的研究，根據(jù)具體電梯進(jìn)行模糊規(guī)則定義與網(wǎng)絡(luò)建立，計(jì)算出電梯的實(shí)際隸屬函數(shù)，通過(guò)Matlab仿真測(cè)試與實(shí)際情況檢驗(yàn)，驗(yàn)證結(jié)果說(shuō)明電梯調(diào)度原則的準(zhǔn)確性。提出基于PLC的可變閉環(huán)編程方式實(shí)現(xiàn)調(diào)度機(jī)制，降低了算法實(shí)現(xiàn)難度。根據(jù)上述模糊神經(jīng)網(wǎng)絡(luò)調(diào)度規(guī)則的機(jī)制增強(qiáng)了對(duì)不同EGCS性質(zhì)的針對(duì)性，能夠?qū)崿F(xiàn)任意系統(tǒng)的調(diào)度。

同時(shí)，本文所提出的四層模糊神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于以下建模與仿真應(yīng)用，用以解決有針對(duì)性的工程應(yīng)用實(shí)例，減小成本誤差。

1）實(shí)現(xiàn)n部n層電梯調(diào)度，解決電梯層數(shù)已知條件下編程的局限性。

2）對(duì)于任意系統(tǒng)內(nèi)部相關(guān)聯(lián)，內(nèi)部變量關(guān)系未知，系統(tǒng)具有特殊性。利于預(yù)測(cè)規(guī)劃系統(tǒng)狀態(tài)。

3）優(yōu)化編程實(shí)現(xiàn)過(guò)程，減小編程難度。

［1］陳步榮.基于改進(jìn)遺傳算法的電梯群控系統(tǒng)設(shè)計(jì)及仿真系統(tǒng)開(kāi)發(fā)［D］.南京：南京航空航天大學(xué)，2007.

CHEN Burong.Development of elevator group control sys?tem design and simulation system based on improved ge?netic algorithm［D］.Nanjing：Nanjing University of Aero?nautics and Astronautics，2007.

［2］唐應(yīng)輝，唐小我.排隊(duì)論基礎(chǔ)與分析技術(shù)［M］.北京：科學(xué)出版社，2006：23-41.

TANG Yinghui，TANG Xiaowo.Queuing theory and analy?sis technology［M］.Beijing：Science Press，2006：23-41.

［3］朱德文，楊禎山，張?bào)蘩?智能控制電梯工程系統(tǒng)［M］.北京：中國(guó)電力出版社，2007：46-51.

ZHU Dewen，YANG Zhenshan，ZHANG Junli.Intelligent Control of Elevator Engineering System［M］.Beijing：Chi?na Electric Power Press，2007：46-51.

［4］吳蕾.基于神經(jīng)網(wǎng)絡(luò)的電梯群控系統(tǒng)智能調(diào)度的研究［D］.武漢：武漢理工大學(xué)，2007.

WU Lei.Research on intelligent dispatch of elevator group control system based on neural network［D］.Wuhan：Wu?han University of Technology，2007.

［5］朱德文，付國(guó)江.電梯群控技術(shù)［M］.北京：中國(guó)電力出版社，2006：19-88.

ZHU Dewen，F(xiàn)U Guojiang.Elevator group control technol?ogy［M］.Beijing：China Electric Power Press，2006：19-88.

［6］Markon S，KitaH，Nishikawa Y.Adaptive Optimal Eleva?tor Group Control by Use of Neural Networks［J］.Trans of the Institute of System’s Control and Information Engineer，1994，7（12）：487-497.

［7］鄧宗明.模糊神經(jīng)網(wǎng)絡(luò)技術(shù)在電梯群調(diào)度中的應(yīng)用［D］.桂林：廣西師范大學(xué)，2001.

DENG Zongming.Application of fuzzy neural network in elevator group dispatching［D］.Guilin：Guangxi Normal University，2001.

［8］Jianzhe Tai，Suying Yang，Hong Tan.Dispatching Ap?proach Optimization of Elevator Group Control System with Destination Floor Guidance using Fuzzy Neural Net?work［C］//Proceedings of the 7thWorld Congress on Intel?ligent Control and Automation，Chongqing，China，June 25-27，2008.Chong qing：World Congress on Intelligent Control&Automation，2008：7085-7088.

［9］沈海蛟.基于模糊控制的電梯群控系統(tǒng)研究［D］.錦州：遼寧工業(yè)大學(xué)，2014.

SHEN Haijiao.Study on elevator group control system based on fuzzy control［D］.Jinzhou：Liaoning University of Technology，2014.

［10］司守奎，孫兆亮.數(shù)學(xué)建模算法與應(yīng)用［M］.北京：國(guó)防工業(yè)出版社，2015：67-89.

Secretary Shoukui，SUN Zhaoliang.Mathematical model?ing algorithm and application［M］.Beijing：National De?fense Industry Press，2015：67-89.

［11］卓金武.MATLAB在數(shù)學(xué)建模中的應(yīng)用［M］.北京：北京航空航天大學(xué)出版社，2011：56-68.

ZHUO Jinwu.MATLAB application in mathematical modeling［M］.Beijing：Beijing University of Aeronautics and Astronautics Press，2011：56-68.

［12］朱文杰.S7-1200 PLC編程與應(yīng)用.第一版［M］.北京：中國(guó)電力出版社，2015：169-319.

ZHU Wenjie.Programming and Application of S7-1200 PLC.First Edition［M］.Beijing：China Electric Power Press，2015：169-319.

［13］崔堅(jiān).TIA博圖軟件STEP7 V11編程指南.第一版［M］.北京：機(jī)械工業(yè)出版社，2012：66-318.

CUI Jian.TIA Plot Software STEP7 V11 Programming Guide.First Edition［M］.Beijing：Mechanical Industry Press，2012：66-318.

［14］張煒煒.基于PLC技術(shù)的群控電梯主從站設(shè)計(jì)［D］.南京：南京理工大學(xué)，2012.

ZHANG Weiwei.Design of group-controlled elevator master-slave based on PLC technology［D］.Nanjing：Nanjing University of Science and Technology，2012.

［15］岳慶來(lái).電梯現(xiàn)代智能控制技術(shù)［M］.北京：機(jī)械工業(yè)出版社，2009：220-239.

YUE Qinglai.Modern Intelligent Control Technology of Elevator［M］.Beijing：Mechanical Industry Press，2009：220-239.

［16］張福恩，吳乃優(yōu)，張金陵，等.交流調(diào)速電梯原理、設(shè)計(jì)及安裝維修［M］.北京：機(jī)械工業(yè)出版社，1993：9-84.

ZHANG Fuen，WU Naiyou，ZHANG Jinling，et al.The principle，design，installation and maintenance of AC variable speed elevator［M］.Beijing：Mechanical Indus?try Press，1993：9-84.

［17］劉載文，李惠升，鐘亞林.電梯控制系統(tǒng)［M］//繼電器與PC控制原理、設(shè)計(jì)及調(diào)試.北京：電子工業(yè)出版社，1996：18-254.

LIU Zaiwen，LI Huisheng，ZHONG Yalin.Elevator con?trol system［M］//Relay and PC control principle，design and debugging.Beijing：Publishing House of Electronics Industry，1996：18-254.

Elevator Group Control A lgorithm Research and Control Program Im p lementation Based on Fuzzy Neural Network w ith Four-layer Structure

XU Yingjie1PAN Tingzhe1HU Zhinan2HUANG Jingshan1
（1.School of Aerospace Engineering，Xiamen University，Xiamen 361005）（2.College of Physical Science and Technology，Xiamen University，Xiamen 361005）

TP301.6

10.3969/j.issn.1672-9722.2017.09.015

2017年3月3日，

2017年4月5日

青年科學(xué)基金項(xiàng)目“發(fā)展適用于腫瘤細(xì)胞實(shí)時(shí)快速拉曼成像的光譜信號(hào)處理方法”（編號(hào)：21503171）資助。

許英杰，男，碩士，工程師，研究方向：工業(yè)控制，電子電路。潘廷哲，男，研究方向：電機(jī)控制，嵌入式開(kāi)發(fā)。胡志男，女，研究方向：電子信息科學(xué)與技術(shù)，電子電路。黃景山，男，研究方向：機(jī)械裝備，智能制造。