一種基于支持向量機的電梯群控交通模式識別方法
【專利摘要】本發(fā)明公開了一種基于支持向量機的電梯群控交通模式識別方法，為了提高電梯工作狀態(tài)下的利用效率，群控電梯交通流量劃分為7個部分，分別為強上交通模式y(tǒng)1、強下交通模式y(tǒng)2、混合模式y(tǒng)3、上交通模式y(tǒng)4、下交通模式y(tǒng)5、弱上交通模式y(tǒng)6、弱下交通模式y(tǒng)7，并構造出群控電梯交通流量所需要的樣本集，最后選取支持向量機訓練交通流量樣本集。與現(xiàn)有技術相比，本發(fā)明可以提高識別的精度和正確率，依據(jù)現(xiàn)有經驗能夠快速確定電梯的交通閑忙時間，使得電梯能夠有效使用并實現(xiàn)了建筑的節(jié)能。
【專利說明】一種基于支持向量機的電梯群控交通模式識別方法
【技術領域】
[0001]本發(fā)明屬于電梯群控領域，涉及一種基于支持向量機的電梯群控交通模式識別方法。 【背景技術】
[0002]目前，隨著國內城市建設的快速發(fā)展，為了滿足于各種辦公場合的需求，城市的高層建筑越來越趨于智能化和功能多樣化，所以在樓宇自動化方面對電梯群控的研究領域也有很多創(chuàng)新思想的產生，取得了突飛猛進的進展。
[0003]近年來，電梯的控制策略也呈現(xiàn)多樣化趨勢，比如神經網絡理論、模糊控制理論、遺傳算法等理論的引入，以上各種控制方法特點不同，對控制的場合要求也不同，現(xiàn)有的電梯交通群控方法中至少存在以下問題:
[0004]一方面現(xiàn)有電梯的交通識別能力尚有不足，由于呼梯指令在一定的時間段具有隨機性，很多時候會造成進出口大廳的擁堵，電梯的交通閑忙難以確定，候梯的時間較長。
[0005]另一方面由于各個時段對于電梯的使用頻次是不一樣的，電梯交通安排的不恰當會帶來的電梯能耗問題，這種能耗在建筑能耗中占有很大的比例，也越來越引起人們的重視。

【發(fā)明內容】

[0006]本發(fā)明所要解決的問題是提供了一種基于支持向量機的電梯群控交通模式識別方法，該發(fā)明可以很好的提高電梯群控交通模式的識別并大大改善電梯的利用效率。
[0007]本發(fā)明主要涉及到如下內容:一種基于支持向量機的電梯群控交通模式識別方法，首先，對群控電梯交通流量進行劃分，然后構造出群控電梯交通流量所需要的樣本集，進而選取支持向量機訓練交通流量樣本集；群控電梯交通流量劃分為7個部分，分別為強上交通模式，強下交通模式，混合模式，上交通模式，下交通模式、弱上交通模式，弱下交通模式；構造群控電梯交通流量所需要的樣本集，輸入樣本為=X11=XiZXp X12=X3ZXi^ X13=X4Ai7輸出樣本為yp y2、y3、y4、y5、y6、y7;最后選取支持向量機訓練交通流量樣本集，在對支持向量機進行訓練的過程中，其核函數(shù)選取為Sigmoid函數(shù),支持向量機所選取的訓練函數(shù)為回歸算法函數(shù)。
[0008]本發(fā)明的有益效果是:可以識別以往對電梯交通的識別能力不足的問題，提高了識別的精度和正確率。依據(jù)現(xiàn)有經驗能夠快速確定電梯的交通閑忙時間，使得電梯能夠有效使用，減少電梯在建筑領域中不必要的耗能。
【專利附圖】

【附圖說明】
[0009]圖1為電梯交通模式示意圖；
[0010]圖2是基于支持向量機的電梯交通模式識別結構圖；
[0011]圖3是基于支持向量機的電梯交通模式識別的流程示意圖。【具體實施方式】[0012]圖1為電梯交通模式示意圖，所選取的時間段為一天內的上午6:00至晚上21:00的時間段，通過現(xiàn)有經驗計算出該時間段內此高層建筑的總客流量X1、進門廳客流量X2、出門廳客流量X3、區(qū)域層間候廳的客流量X4，這樣電梯交通流量識別樣本集可以設取為X11=X2A1- X12=X3A1- X13=X4A1 ;由早中晚上下班時間以及工作時間的不同情況，將交通流量劃分為強上交通模式y(tǒng)1、強下交通模式y(tǒng)2、混合模式y(tǒng)3、上交通模式y(tǒng)4、下交通模式y(tǒng)5、弱上交通模式y(tǒng)6、弱下交通模式I1七種模式，以上交通流量的劃分有助于支持向量機的樣本訓練，能夠快速確定電梯的交通閑忙時間，提高識別的精度和正確率。
[0013]圖2是基于支持向量機的電梯交通模式識別結構圖，首先確定輸入輸出樣本訓練集，將電梯交通流量識別樣本集X11=XiZXr X12=X3ZXi-X13=X4Ai作為支持向量機訓練的輸入樣本，電梯交通模式輸出樣本是％、y2> y3、y4、y5、y6、y7。然后向電梯交通系統(tǒng)施加足夠豐富的隨機方波激勵信號以便獲得相應的輸入輸出樣本數(shù)據(jù)，將采樣獲得的X11=X2ApX12=X3/
X1、X13=X4/X1經過歸一化處理后作為支持向量機的樣本輸入，7個采樣
作為支持向量機的樣本輸出，這樣就獲得了支持向量機的訓練數(shù)據(jù)。
[0014]支持向量機的輸入信號(X11=X2ZiXp X12=X3A1 X13=X4A1)需要限幅并經過歸一化處理，在訓練的過程中，需要確定相關的支持向量機核函數(shù)和選型函數(shù)的算法，本發(fā)明采用Sigmoid函數(shù)以及回歸支持向量機算法，支持向量機實現(xiàn)的是一個兩層神經網絡，此時不但網絡的權值和隱含層節(jié)點數(shù)是算法自動確定的，并且算法不存在局部極小點問題。在離線訓練后，訓練結果給出了支持向量機的類似于神經網絡的權、閾值，其具體的算法步驟為:
[0015]由系統(tǒng)被激勵后的輸入輸出樣本集(Xi, Ui)，求解出核函數(shù):
[0016]K (X，Xi) =tanh [v (x.Xi) +a]
[0017]則支持向量機輸出表達式為:
[0018]
[0019]圖3是基于支持向量機的電梯交通模式識別的流程示意圖，首先需要對電梯交通輸入輸出樣本進行采集，根據(jù)獲得的交通輸入輸出信息對交通流量的進行決策劃分，相關的算法程序包括交通流量識別、經驗知識庫模塊、評價參數(shù)調整模塊、以及派梯呼梯指令庫；下一步就是選取相應的支持向量機核函數(shù)和訓練函數(shù)完成樣本的訓練；在交通流量等級判斷方案里，按照交通流量七種劃分為依據(jù)，如若符合則輸出最佳派梯指令，不符合的話需要調整評價函數(shù)參數(shù)，作為新的呼梯信號，整個流程使得電梯能夠有效使用，節(jié)省電梯在建筑領域中耗能。
[0020]綜上所述，本發(fā)明可以識別以往對電梯交通的識別能力不足的問題，提高了識別的精度和正確率，此外，本發(fā)明能夠使電梯有效的使用，減少電梯在建筑領域中不必要的耗倉泛。
【權利要求】
1.一種基于支持向量機的電梯群控交通模式識別方法，包括群控電梯交通流量的劃分，構造群控電梯交通流量所需要的樣本集，其特征在于，選取支持向量機訓練交通流量樣本集。
2.根據(jù)權利要求1所述的基于支持向量機的電梯群控交通模式識別方法，其特征在于，所述群控電梯交通流量劃分為7個部分，分別為強上交通模式、強下交通模式、混合模式、上交通模式、下交通模式、弱上交通模式、弱下交通模式。
3.根據(jù)權利要求1所述的基于支持向量機的電梯群控交通模式識別方法，其特征在于，所述的構造群控電梯交通流量所需要的樣本集，輸入樣本分別為X\=X2/Xl、Xi2=X3A1^X3—X4/Xi，細出樣本分力|」為 y1,y2,y3,y4,y5,y6,y7。
4.根據(jù)權利要求1所述的基于支持向量機的電梯群控交通模式識別方法，其特征在于，所述選取支持向量機訓練交通流量樣本集，用于訓練的支持向量機核函數(shù)為Sigmoid函數(shù)，即:
K (X，Xi) =tanh [v (x.Xi) +a] 支持向量機的訓練函數(shù)為回歸算法函數(shù)。
【文檔編號】B66B1/00GK103466397SQ201310412970
【公開日】2013年12月25日 申請日期:2013年9月11日 優(yōu)先權日:2013年9月11日
【發(fā)明者】王火明 申請人:昆山新金福精密電子有限公司