餐厅传菜升降机群控技术的节能

餐厅传菜升降机全速运行时所消耗的电能远远低于减速和加速时的电能消耗。电梯停靠的次数越多，所消耗的电能就越多。通过智能派梯系统的   佳(   )派梯，   减少电梯系统的停靠次数，提高输送效率，从而达到节能的目的。

餐厅传菜电梯群控系统是一个复杂的决策系统，具有多目标性、随机性和非线性等特点，难以采用   的数学模型加以描述，因而传统的控制方法很难提高系统性能。模糊控制技术在解决非线性、不确定性问题上具有很大的优势。它不需要建立所求解问题的   数学模型，而是模仿人脑的推理能力，可以使许多复杂问题简化。但由于隶属函数加权系数不会根据不同交通模式而改变，无法自学习，运行时无法修止规则，因而使系统性能受专家知识影响很大。而神经网络的学习机制为模糊控制器自动提取模糊规则、调整模糊规则提供智能化基础，提高了电梯群控的智能性，使电梯应答   趋合理，将神经网络与模糊逻辑2者结合，吸取各自的优点，使整个系统成为自适应模糊神经网络系统。

对于多台餐厅食品升降梯群控，其主要优化目标有：减少乘客平均候梯时间(AWT)、减少乘客平均乘梯时间(ATP)、降低长候梯率(LWP)以及减少电梯群控系统运行能源损耗(RNC)等。综合了以上4种评价标准后，对这多个目标进行优化，实现电梯的多目标优化调度。

将变量模糊化，把AWT、ATP、RNC、LWP的规则映射到神经网络中，利用神经网络学习功能来调整   规则。为了解决电梯在控制中出现的随机性、非线性等问题，在设计   佳派梯时   要依次解决的2个问题：①确定当前处于何种交通模式；如在上行、下行客流高峰，选择候梯时间、乘梯时间优先，将评价函数中候梯时间、乘梯时间的权系数变大。而在能源消耗越少优先的条件下，将评价函数中能源消耗的权系数变大。②计算出派梯目标函数，   先确定系统输入和输出，由此确定模糊神经网络模型的结构，然后确定网络的学习算法并计算出派梯目标函数。根据调度策略，调度的评价函数与4个评价标准之间的函数关系通过改变权重系数可适应不同的食品升降机交通客流模式。