CN101389559A - 电梯系统 - Google Patents

Abstract

本发明公开了现有技术遗传算法的扩展，利用该算法，基于电梯系统中发出的呼叫形成电梯的行程安排。根据本发明，将一种新型基因，即所谓的运行类型基因与遗传算法的染色体相关联，利用该基因，可为电梯行程设置期望的速度曲线。这样，例如，可设置电梯的加速度或最大行进速度的上限。通过该运行类型基因，将动能项包括在优化中。因此，通过该算法，可以更有效地使该系统所消耗的能量最小化，这是因为电梯的变化行进速度为该算法的染色体创造了更自由的选择。

Description

电梯系统

技术领域

本发明涉及电梯组的控制。具体地，本发明的主题是一种通过具体考虑电梯势能和动能来分配层站呼叫(landing calls)从而控制电梯组的方法及设备。术语“电梯”在这里指的是在一个电梯井(elevator shaft)中运动的运动质量(moving mass)的总和，而不论在该电梯井中布置一个、两个或多个电梯轿厢(elevator car)。在双层轿厢(double-deck cars)或多层轿厢的系统中，轿厢被以一个轿厢在另一个轿厢之上的方式而彼此固定，以便所述轿厢同步地服务上下多个楼层。

技术背景

分配层站呼叫是电梯组控制众多不同任务中最基本的一项功能。分配的目标是：以描述电梯系统的性能指标(performance indicator)尽可能好的方式，使电梯轿厢服务呼叫。传统上，最常用的性能指标涉及呼叫时间(times)和乘客等候时间。典型地，计算这些时间的平均，建立它们的分布(distribution)。

层站呼叫的分配方法有很多种类型，每个电梯制造商都有其自己的完成该任务的方法。然而，所有这些不同的方法的一个共同特征是他们都包括专用于每个方法的一组参数，该组参数会影响所使用方法的运行。

监控的目标典型地是层站呼叫、轿厢呼叫(car call)、电梯负载以及电梯运动状态。在高峰时段，该目标可以将优先级给予使电梯使用者的行程时间(travel time)最小化。另一个常用的优化目标，尤其在建筑拥有者的利益方面，是电梯系统的能量消耗。

可以发现许多优化目标，如呼叫时间、乘客预计等候时间、运行时间(runtime)、行程时间、停止次数、轿厢负载、同步的轿厢呼叫和层站呼叫的数目等等。必须要确定的是，这些目标中哪些目标应该被给予优先级，以及在哪种运输状况(traffic situation)下应该给予多少优先量。

由于地球上不可再生能量资源是有限的，并且增加的能量消耗导致许多间接影响，诸如以温室效应的形式，因此，能量消耗成为一个重要的最小化目标。就建筑的运转费用和维护费用而言，通过使用在其能量消耗方面经济的电梯系统，该建筑的运转费用和维护费用会受到影响。根据在香港进行的一项研究(Yim，Leung于2001年在伦敦召开的‘Building for the 21^st century’会议上的论文：“Building Towards Sustainability in Pubic Housing”)，在一幢典型的40层居民楼的公共空间的能量消耗中(即，除去居民自己使用的个人电能消耗)，电梯系统消耗约占18％。另一研究估计：电梯系统使用建筑的总能量消耗的5～15％。为了一个电梯的能量消耗，必须考虑电梯的运送能力(transport capacity)、电动机、功率输入比、以及通常系统各机械部件的设计。

国际专利申请WO 02/066356提出了一种电梯系统的控制方法，其中，使电梯系统消耗的能量最小化，从而在平均水平上满足期望的电梯乘客服务时间的要求。在该方法中，给定电梯组某一服务时间的目标值，把层站呼叫分配给不同的电梯，从而在较长的时间间隔上，满足被检测的服务时间的条件，然而，同时该系统的能量消耗处于最低值。举例来说，可以将从发出呼叫到电梯到达的呼叫时间、总的行程时间、或仅检测在电梯中消耗的时间的运行时间用作服务时间。

在根据专利申请WO 02/066356的一个应用中，将不同类型的、不可用同单位度量的两个量值最优化，即，等候时间和能量消耗。为了使这些量值能够相互用同单位度量和能够相互比较，选择电梯的路线(route)R，使得费用项

C＝W_TT_N(R)+W_EE_N(R)。              (1)

最小化。T_N(R)是的替代路线R的呼叫时间的归一化处理的总和，同样，E_N(R)是由于替代路线R导致的归一化处理的能量消耗。W_T和W_E是前述费用项的加权系数，从而：

0≤W_T≤1，W_E＝1-W_T。                     (2)

公开文本US6857506描述了另一种电梯系统的呼叫分配方法。在该方法中，形成能量消耗文件，该文件描述两个楼层之间每个可能的电梯行程(trip)的能量消耗。因此，该能量消耗文件的元素使用出发楼层、到达楼层、以及轿厢负载作为变量。当已知两个楼层之间每个行程所消耗的能量时，可为主动呼叫计算电梯轿厢的行程安排，从而使系统的总能量消耗最小化。

公开文本FI115130也涉及电梯组的控制。在该方法中，还可为诸如乘客的平均等候时间的某一服务时间设定期望的目标值。在此情况下，目的是：使能量消耗最小化，使得在最优化中利用电梯系统的可用模型。通过该模型，可以预测期望的服务时间。该系统还包括利用所预测的服务时间的PID调节器，因此，可以更有效地将费用函数最优化。可从优化器中获得许多根据较小的能量消耗的替代路线，根据期望服务时间的目标值，从其中选择合适的解决方案。

上面描述的现有技术解决方案的共同特性是：规定电梯轿厢的路线，使得由于在高度方向上运送乘客导致的系统势能的变化量最小化。从这一点上考虑，该系统包括在垂直方向上运动的所有质量点，换句话说，带有配重(counterweight)的电梯轿厢和电梯乘客。

现有技术的一个问题在于：在根据现有技术的能量消耗的最小化中，只考虑到了要在系统中运动的质量和行程(journey)的长度，即，出发楼层和到达楼层之间的高度差。当考虑到能量消耗的最优化时，通过包括与电梯速度有关的能量项可以更准确地执行该最优化。

发明目的

本发明的目的在于公开一种电梯轿厢的分配方法，其中，考虑了在电梯系统中占主要部分的势能和动能两者，使得系统所消耗的能量最小化。

发明内容

根据本发明的方法的特征在于：权利要求1的特征部分中公开的内容。根据本发明的控制系统的特征在于：权利要求11的特征部分中公开的内容。根据本发明的计算机程序的特征在于：权利要求21的特征部分中公开的内容。本发明的其它实施例的特征在于：其它权利要求中公开的内容。在本申请的说明部分的附图中还呈现了一些发明实施例。申请的发明内容也与所附权利要求书中不同地限定。发明内容也可以由几个独立的发明构成，尤其是如果发明是从表达或隐含的子任务的角度来考虑，或是从优点或所取得的优点的种类的观点来考虑。在此情况下，从独立的发明构思角度来说，所附权利要求书中包括的一些属性可能是多余的。在基本发明构思的范围内，可以将各个实施例的特征与其它实施例相结合地应用。

本发明公开了一种基于所发出的呼叫来控制属于同一电梯组的电梯的方法，其中，电梯包括在同一电梯井中布置的一个或多个电梯轿厢，并且在该方法中使用遗传算法。在遗传算法中，至少形成一个分配选项，即染色体，其中，染色体包括每个主动的层站呼叫或目的地呼叫(destination call)的呼叫数据和电梯数据，并且该数据，即基因共同确定服务每个层站呼叫或目的地呼叫的电梯轿厢。此外，在该算法中，确定每个染色体的费用函数的值。此后，关于至少一个基因，配制至少一个染色体。此后，确定每个配制的染色体的费用函数的值。重复染色体的配制直到满足结束标准。基于费用函数的值，选择最佳的染色体，且根据所选择的最佳染色体的基因，将电梯轿厢指派给所发出的呼叫。本发明的特征在于：在该方法中，关于运行类型的信息(即，运行类型基因，其中，运行类型确定速度曲线)与染色体相关联，而染色体与每个呼叫数据和电梯数据有关，据此，拥有电梯轿厢的电梯在由与运行类型基因有关的呼叫基因限定的出发楼层和呼叫发出楼层之间行进。

在本发明的一个实施例中，通过由轿厢负载和电梯的运行类型确定的速度曲线，来确定每个电梯行程的电梯动能。选择电梯系统消耗的总能量作为费用函数或费用函数的一部分，从而在费用函数中包括应用于电梯动能的项。将找到电梯系统的总能量消耗的全局最小值选择作为结束标准。

根据根据本发明的另一实施例，通过选择、交叉和/或突变，将染色体配制为遗传算法的下一代。

根据根据本发明的另一实施例，当实现了预定的费用函数值、代的数目、算法的运行时间或人数的足够均匀性，就满足结束标准。在这里，均匀性意味着一种状态，在该状态中，当形成连续的多代遗传算法时，同样的染色体从一代传送到下一代中。

根据本发明的另一实施例，定义染色体的费用函数，使其包括能量消耗项和服务时间项，并利用预设的加权系数将这两者进行加权。此外，可以把电梯模型和电梯系统的当前状态用作计算费用函数的辅助。

根据本发明的另一实施例，选择包括电梯系统的能量消耗、乘客等候时间、乘客行程时间、乘客运行时间的一组项目中的至少一项作为费用函数的项。另外，在计算能量消耗时，考虑电梯的动能、储存在电梯里的势能、由于摩擦消耗的能量和其它损耗、以及被再生到电力输入系统的能量。

根据本发明的另一实施例，从一组量值中，为根据运行类型的每个电梯的速度曲线定义至少一个约束，其包括电梯的最大速度、最大加速度和最大急冲(jerk)，其中，最大急冲被定义为单位时间内加速度的变化。

根据本发明的一实施例，为每个静止电梯定义染色体的方向基因。

根据本发明的另一实施例，将运行类型定义为“正常”、“轻微减速”、“明显减速”、“轻微加速”和“明显加速”。在此情况下，通过设置电梯所使用的最大速度来定义运行类型，使运行类型“正常”代表电梯的额定行进速度，并且在其它运行类型下，电梯行进速度按照预设值的量确定的百分比偏离额定值。

除了上述控制方法以外，本发明的发明构思还包括类似的电梯系统的控制系统，其中，通过GA优化器执行所述方法的前述阶段。

本发明的发明构思还包括计算机程序，其被定义为在运行时执行上述方法的不同阶段。

如从前述内容可以总结到的，当计算电梯轿厢的最优的(即，给定最小的能量消耗)行程安排时，可以考虑与系统质量点有关的势能、以及与运动和旋转部件有关的动能。此外，还可以检测由摩擦导致的损耗。因而，本发明最根本的优点是：在最优化评价中包括了动能，而现有技术的技术只考虑了势能和摩擦损耗。当在优化中包含运行速度曲线时，GA优化器可以使用更多的能量消耗保持较低的替代路线。由于动能依赖于速度的平方，轿厢速度的相对小的变化能够对在系统中占主要部分的动能产生相当大的影响，并且由此影响到整个系统的能量经济。例如，当轿厢的最高速度发生±20％变化时，获得轿厢的动能在-36～44％范围内变化。

在此情况下，当遗传算法有更多可用的替代路线时，选择所述更多可用的替代路线中的满足期望标准的替代路线，很显然，在根据本发明的情况下的最优化在平均水平上运行较好，并且在此情况下，与现有技术的技术相比，该电梯系统消耗更少的能量，而没有降低提供给其使用者的服务水平。

附图说明

图1示出了根据本发明的安排电梯轿厢的行程的方法，其中利用了所谓的遗传算法；以及

图2示出了根据本发明的遗传算法的染色体的结构。

具体实施方式

关于本发明特有的属性，请参见权利要求书。

本发明公开了一种基于主动呼叫分配电梯轿厢的方法，该方法利用现有技术遗传算法和根据本发明的新颖的染色体结构。本发明的基本构思是：除了势能之外，在检测中包含与系统质量和系统速度有关的动能。

可以考虑，使用中的单个电梯包括三个质量构件，即空电梯轿厢、电梯配重和电梯轿厢里的乘客。如果电梯轿厢的乘客容量为CC(单位为kg)，那么在此情况下，可以标定配重，从而：

$m_{\mathrm{cw}}=m_{\mathrm{car}}+\frac{1}{2}\mathrm{CC}---\left(3\right)$

如果损耗是由系统中的摩擦产生的，则在电梯从一个楼层到另一个楼层的运行中，通过势能、动能和能量损耗可以确定所消耗的机械能和被返回系统使用的那部分(能量)：

$E_p=(m_p-\frac{1}{2}\mathrm{CC})\mathrm{\Δh}\·g$

E_F＝F_μΔh

在公式(4)中，Δh为出发楼层到到达楼层之间的距离，m_p为轿厢的内部负载(internal load)，m_s为所有作直线和旋转运动的质量的有效惯性质量(inertial mass)，为运行期间能达到的最大速度。F_μ为施加在所有运动部件和轿厢的牵引设备上的总有效摩擦力。现代电梯机构能够以一定效率系数η_R将系统的势能和动能返回给电源，其中：

0≤η_R≤1              (5)

在老式机构中，能量被导向负载电阻，在该情况下，效率系数η_R为零。

在控制系统中控制电梯轿厢的运动，在现代电梯中，该控制系统通过闭合的反馈环路来运行。其目的是控制电梯轿厢使得该电梯轿厢的运动舒适平稳，换句话说，轿厢不急冲，即，在此情况下da/dt(单位时间内加速度的变化)实际上保持在零或非常小。电梯行进中所需的能量来自于电源，并且该能量被以电损耗和机械损耗的方式消耗掉。当电梯轿厢运动时，能量以电梯动能的方式储存，该电梯动能构成在一个电梯中包括的电梯轿厢和其它运动质量(诸如，配重)的组合动能。因此，能量和速度的检测也可扩展到其它解决方案，其中，建筑的至少一个电梯井包含双层或多层电梯。当轿厢在电梯行程之后停止时，取决于轿厢的运动方向和轿厢负载，在电梯行程开始时在系统中占主要部分的势能发生改变，并且在该行程过程中占主要部分的动能的一部分以势能的形式返回到系统中。可以考虑的一个例子是满载的向上运动的电梯轿厢。在轿厢的减速阶段，轿厢的动能的一部分以由摩擦造成的损耗的形式被消耗掉，一部分改变成势能，以及剩下的能量可以经电力传输系统返回到电源。由于控制系统、其反馈连接以及部分电力传输系统使该情况变得复杂，所以难以推导出在电梯行程期间所消耗的能量的通用公式。

下面，评估实际电梯系统中能量项的权重的相对差。此处进行简化，根据该简化，假定三种不同种类的能量(动能、势能和损耗)相互独立。在此情况下，可独立检测这些能量项中的每个能量项。

关于电力输入，可如下地从势能的角度检测能量的流动：

$E_{\mathrm{PSP}}=E_P\·{\mathrm{\η}}_M^{-1}|E_P\≥0$ 和                      (6)

E_PSP＝E_P·η_R|E_P<0

其中，η_M为电力传输设备在运行期间的效率系数，η_R是能量再生(被返回到电源使用的能量)的效率系数。

对应地，净动能是轿厢的最高速度所需的输入能量和再生能量的差：

$E_{\mathrm{PSK}}=E_K{\mathrm{\&eta;}}_K^{-1}-E_K{\mathrm{\&eta;}}_R=E_K({\mathrm{\&eta;}}_M^{-1}-{\mathrm{\&eta;}}_R)---\left(7\right)$

由于摩擦导致的损耗可通过下式获得

$E_{\mathrm{PSF}}=E_P{\mathrm{\&eta;}}_M^{-1}---\left(8\right)$

从层站呼叫分配的观点来看以及从电梯轿厢行程安排的观点来看，在电梯系统中占主要部分的、最令人感兴趣的能量形式是势能和动能。通过为电梯轿厢定义不同的替代路线，可以改变运动的方向和轿厢的负载。同时，从一种形式变成另一种形式的能量量值也随着行程安排变化。电梯的控制系统能够影响与运行有关的参数，其中最本质的参数是电梯轿厢的速度、加速度和所谓的急冲(前面将其定义为单位时间内加速度的变化)。由于轿厢运动速度受控制的影响，因而最大速度也受影响(例如，通过调整时间周期，把力施加在轿厢上)，公式(7)中所描述的动能也以此方式直接受到影响。

下面通过一个例子来检测当检测的对象是空电梯轿厢和最大负载电梯轿厢(站满人)时的动能和势能变化范围的量级。如果假定空电梯轿厢的质量相对于其最大负载(最大乘客人数)CC为：

m_car＝2.5·CC                                (9)

那么根据公式(3)，对于配重的质量可得到以下：

m_cw＝3·CC                                    (10)

当假定其它的运动质量点(比如随行电缆(trailing cable))的组合质量为：

m_r＝0.5·CC                                        (11)

那么得到的要运动的总质量为：

m_S＝m_P+6·CC                                 (12)

如果进一步假定控制系统能够将电梯轿厢的最高速度改变额定值的±20％，那么使用前述公式可以计算出依据满电梯轿厢和空电梯轿厢的情况之间的动能变化的范围：

以对应方式，获得势能变化范围量值的估计：

$\mathrm{\&Delta;}{E}_{\mathrm{PP}}\&ap;\mathrm{CC}\&CenterDot;\mathrm{\&Delta;h}\&CenterDot;g\&CenterDot;({\mathrm{\&eta;}}_M^{-1}+{\mathrm{\&eta;}}_R)/2---\left(14\right)$

依据公式(13)和(14)，可计算变化范围之间的关系：

必须注意，如果期望仅仅通过检测势能来优化能量消耗，那么控制系统不需要支持再生。与可再生(能量)系统相比，在不可再生(能量)系统中，减少能量消耗的机会减半，并且在上面的例子中，不可再生(能量)系统势能变化的范围为：

${\mathrm{\&Delta;E}}_{\mathrm{PP}}\&ap;\mathrm{CC}\&CenterDot;\mathrm{\&Delta;hg}\&CenterDot;({\mathrm{\&eta;}}_M^{-1}+{\mathrm{\&eta;}}_R)/4---\left(16\right)$

基于呼叫分配电梯的一种现有技术的方法是使用遗传算法(GA)，尤其是在大型的电梯系统中。遗传算法在例如专利公开FI112856中被描述。遗传算法的操作规则也在图1的例子中示出，其描述如下：

遗传算法不能绝对保证找到最优的行程安排，但在实际应用中得到的结果非常接近该最优的行程安排。在遗传算法中，把系统中电梯10的行进路线编码15为不同的染色体11，其中，一个基因17的位置定义主动呼叫，把电梯(电梯A或电梯B)基因17的值分配给该呼叫。在图1的例子中，有四个主动呼叫，假定为楼层2、楼层4、楼层5和楼层6。还可以给静止的电梯定义一个专门的方向基因(例如在楼层3上)，该方向基因的值可以是描述正被讨论的电梯的起始方向的“向上”或“向下”。系统从例如随机选择的替代路线开始运动，对该随机选择的替代路线应用了诸如交叉、突变和选择18的不同遗传进程。交叉意味着随机地将两条替代路线集成到一条新的替代路线中。在突变中，染色体基因的值随机改变。通过这些遗传例程18，一次一代地形成一组新的染色体，同时检测所获得的染色体的生存力(viability)以用于进一步处理的目的。举例来说，生存力可以意味着减小(undercut)某一等候时间的值或减小期望的能量消耗值。在生存力的定义中，可以使用应用于电梯的模型12和13以便获得良好优势。在图1的例子中，通过计算所谓的费用函数14的值来测量生存力。在该例子中，要计算的函数是呼叫时间(times)的总和C。每个替代路线11都被导向费用函数14的计算，因而作为结果获得的费用函数的值C也被编码为染色体中的费用基因19。由该算法给出的染色体结果有时是收敛的，换句话说，例如，最终选择给出最小C的染色体以用于进一步处理。最后，从最后一组用于处理的染色体中，选择在生存力方面最佳的或最适合的。根据所选择的染色体的基因控制电梯的行程安排，并把乘客分配给电梯。因为当电梯系统得知一个新的主动呼叫时，必须再次定义染色体11，必须把上述操作18应用于该新的染色体11中，所以遗传算法就按照该规则连续运行。

本发明利用遗传算法，但是关于运行类型的使用的新构思却隶属于前述的方法。这意味着：例如，可以为电梯定义多个不同的速度等级，电梯按速度等级运动。作为一个优选实施例，可以定义三个不同的速度等级：“快速”、“正常”或“慢速”。作为另一优选实施例，可以定义五个不同的速度等级：“极慢”、“较慢”、“正常”、“较快”和“极快”。通过定义速度等级，使得：按照电梯标准的速度，为要行进的电梯行程部分设定运行速度，换句话说，对于整个的电梯行程，将电梯的最大行进速度限制为速度的该设定值。可以将所述等级定义成偏离其额定值(偏离正常)例如±10％或±20％。此外，可以将电梯轿厢的加速度(a)和描述单位时间内加速度的变化的电梯轿厢的急冲(急冲＝Δa/Δt)包括在检测中，还可以为与动能和乘客舒适性有关的这些量值定义相同类型的等级。因此，在诸如电梯轿厢最高速度的等级的曲线中，可以定义最大加速度和最大允许的急冲，或者另一方面，仅将一个或两个前述的量值包含在该曲线里。

本发明的特征在于：与每个层站呼叫相联系地，在根据图1的GA系统的染色体11中形成新型的额外基因。通过图2的例子描述这种染色体。本文中，将这种新型基因称为电梯的运行速度基因或运行类型基因。在图2的例子中，轿厢的运行速度有三个不同的替代选择：正常运行速度、减速的运行速度和加速的运行速度。电梯系统的操作者可以在控制系统中设置这些速度。例如，在前述方式下，慢速运行模式和快速运行模式可以比正常运行速度低或高一期望的百分比量。

从根据图1的一组染色体中，选择顶部染色体11用于图2。在染色体11中可以看到四个主动呼叫，对于该染色体，将电梯A20分配给楼层2发出的上升呼叫，将电梯A22分配给楼层4发出的下降呼叫，将电梯B24分配给楼层5发出的上升呼叫，还将给电梯B26分配给楼层6发出的下降呼叫。此外，在图1的方式中，染色体11包含与楼层3的静止电梯有关的方向基因16。在图2的情况下，费用基因19包含两个部分：乘客的等候时间WT和该路线的能量消耗E_R。然而，费用基因不仅局限于这些量值，而且所计算的费用函数的项目可以是其它要被优化的量值。在费用函数中，还可以利用期望的加权系数对不同的量值进行加权。

因此，本发明的特点在于：使运行类型基因与每个呼叫基因20、22、24、26有关，该运行类型基因确定如何驱动到根据每个层站呼叫的楼层。可以看出楼层之间的这些行程的最高速度的等级与每个呼叫基因有关。下面假定：选择完全根据图2的染色体，以便由电梯系统的控制将其用作由基因算法对于优化的替代路线给出的最终结果。例如，电梯A以缓慢的最大速度(根据运行类型基因21)响应第一呼叫20，其保证轿厢平稳且无急冲的行进。当电梯聚集到楼层2的层站呼叫20时，电梯A继续向楼层4运动以聚集呼叫22。对于楼层之间的该第二次运行，电梯将其额定值当作其最高速度，因为运行类型基因23对于该运行速度给出“正常”。以对应方式，此后电梯B以高的最高速度离开楼层3朝楼层5(运行类型基因25“快速”)行进。此后，电梯B以快的最高速度在楼层5和楼层6之间行进，如由染色体的第四个基因对26、27所示的那样。

通过运行类型分类，获得电梯的速度曲线以及因此每个电梯轿厢的速度曲线，以供遗传算法使用。因此，获得用于将轿厢分配给每个主动呼叫的更多替代路线。由于不同的楼层到楼层高度的最高速度可以改变，因此，不仅不同替代路线所使用的行进时间改变，而且关于该路线储存在电梯里的动能量值也改变。根据以上描述，能量的形式在电源给出的能量、动能和势能之间转换，一些能量被消耗在损耗中，一些返回到系统中使用。在此情况下，从逻辑上来说必须假定：例如，在一个给出最小能量消耗的替代路线中，当将两个楼层之间的电梯行程相互比较时，电梯轿厢所使用的最大速度不保持恒定。因此，显然有更多的替代路线可用于该遗传算法，从这些替代路线中精确地选择给出最小能量消耗的路线。例如，在退出流量(exit traffic)时间期间，当乘客企图从各楼层下降到街道高度的出口楼层时，从能量的观点来看，将尽可能多的乘客聚集到电梯轿厢更加有利。当空电梯以比正常速度更慢地从出口楼层返回到各楼层以乘载离开建筑的人员时，通过速度等级，可以改善电梯轿厢的装载。在这种情况下，电梯到达将持续更长的时间，会有比平时更多的乘客在等候电梯。其结果是：在建筑上层部分轿厢已经快速装载，这促使与乘客有关的势能的再生。这正是该情况，由于有更多的替代路线，可以假定：根据本发明的扩展给出更好的优化行程安排，而不管与优化目标有关的是时间还是所使用的能量。

虽然前述例子仅解决层站呼叫的分配，但本发明不仅限于该传统的呼叫系统。本发明也可应用在所谓的目的地楼层呼叫系统(destination floor callsystem)，其中，用户在出发楼层的走廊里已经给出他/她的目的地楼层呼叫。目的地楼层呼叫系统也可称为目的地呼叫系统。当使用这种系统时，在电梯轿厢中不再需要给出单独的呼叫(call)。在此情况下，将电梯轿厢分配给每个乘客，而不象传统系统那样单独分配给上升呼叫或下降呼叫。

本发明的基本思想可进一步应用到双层和多层电梯系统中。在这些电梯系统中，两个或多个电梯轿厢以一个位于另一个之上的方式分别位于同一电梯井中，从而，布置在一个井中的电梯轿厢一起构成可移动的固定单元，即电梯。在此情况下，将两个电梯轿厢之间的距离标定为与两个楼层之间的距离相同。在该分配方法中，染色体包含每个独立的电梯轿厢以及如果必要的话包含特定电梯的方向基因。当在优化器中评价每个染色体(即替代行程安排)时，在电梯系统的模型中，首先将染色体中“分离(detached)”的电梯轿厢加入到它们所属的那些电梯。此后，使用位于电梯井里含有其所有轿厢和提升机构的电梯，由染色体指示的路线计算费用函数。这些费用可以是与上面提到的那些量值相同的量值，换句话说，即：呼叫时间、等候时间或电梯(即，整个提升机构，而不仅仅是一个轿厢)势能或动能的改变。最终，该分配方法为所给出的每个呼叫指示在所有的电梯轿厢中最适合的电梯轿厢。

本发明不仅限于上述实施例，而是在由以下权利要求书限定的本发明构思的范围之内可以有许多变型。

Claims (31)

1.一种用于基于所发出的呼叫来控制属于一电梯组的多电梯的方法，其中，电梯包含布置在同一电梯井中的一个或多个电梯轿厢(10)，在该方法中采用了遗传算法，根据该算法：

形成至少一个分配选项，即染色体(11)，染色体(11)包含用于每个主动层站呼叫或目的地呼叫的呼叫数据和电梯数据，这些数据，即基因(17)共同确定服务该层站呼叫或目的地呼叫的电梯轿厢(10)；

对于每个染色体(11)，确定费用函数的值(14，19)；

关于至少一个基因(17)，形成至少一个染色体(11)；

对于所形成的每个染色体，确定费用函数的值(14，19)；

重复形成染色体(11)，直到满足退出标准；

在费用函数的值(19)的基础上，选择最佳的染色体；以及

根据所选择的最佳染色体的基因，将电梯轿厢(10)导向所发出的呼叫，

其特征在于该方法进一步包含以下阶段：

将关于运行类型的信息，即运行类型基因(21，23，25，27)与染色体(11)相关联，染色体(11)与每个呼叫数据和每个电梯数据有关，在运行类型基因中，运行类型确定速度曲线，根据该速度曲线，拥有电梯轿厢(10)的电梯在出发楼层和由呼叫基因(20，22，24，26)定义的呼叫发出楼层之间行进，该呼叫基因(20，22，24，26)与运行类型基因(21，23，25，27)相关联。

2.如权利要求1所述的方法，其特征在于该方法进一步包含以下阶段：

通过由电梯的轿厢负载和运行类型确定的速度曲线，来确定每个电梯行程的电梯的动能；

将电梯系统所消耗的总能量选择作为费用函数或其中的一部分(14)，使得费用函数包括应用于电梯动能的项；以及

将找到电梯系统的总能量消耗的全局最小值选择作为退出标准。

3.如权利要求1或2所述的方法，其特征在于该方法进一步包含以下阶段：

通过选择、交叉和/或突变(18)，将染色体(11)配制为遗传算法的下一代。

4.如权利要求1至3中任一项所述的方法，其特征在于：当达到费用函数的预定值、代的数量、算法的处理时间或人数的足够均匀性时，满足退出标准。

5.如权利要求1至4中任一项所述的方法，其特征在于该方法进一步包含以下阶段：

定义染色体(11)的费用函数(19)，使得费用函数包括能量消耗项和服务时间项，并通过预设的加权系数对这两者进行加权；以及

在费用函数的计算(14)中，将电梯模型(12，13)和电梯系统的当前状态用作辅助。

6.如权利要求1至5中任一项所述的方法，其特征在于该方法进一步包含以下阶段：

从包括电梯系统的能量消耗、乘客等候时间、乘客行程时间和乘客运行时间的一组中选择至少一项作为费用函数(14)的项；以及

当计算能量消耗时，考虑电梯的动能、储存在电梯中的势能、在摩擦中消耗的能量和/或其它损耗，以及被再生到电力传输系统的能量。

7.如权利要求1至6中任一项所述的方法，其特征在于该方法进一步包含以下阶段：

从一组量值中为根据每个运行类型的电梯运行速度曲线定义至少一个约束，其包括电梯的最大速度、最大加速度和最大急冲，并且急冲被定义为单位时间内加速度的变化。

8.如权利要求1至7中任一项所述的方法，其特征在于该方法进一步包含以下阶段：

为每个静止的电梯定义染色体(11)的方向基因(16)。

9.如权利要求1至8中任一项所述的方法，其特征在于该方法进一步包含以下阶段：

定义“正常”(23)、“轻微减速”、“明显减速”、“轻微加速”以及“明显加速”作为运行模式。

10.如权利要求9所述的方法，其特征在于该方法进一步包含以下阶段：

通过定义电梯所使用的最大速度来定义运行类型，使得：在运行类型“正常”(23)时，使用电梯的额定行进速度，而在其它运行类型时，电梯的行进速度按照由预设值的量确定的百分比偏离额定速度。

11.一种用于基于所发出的呼叫来控制属于一电梯组的多电梯的电梯组控制系统，其中，电梯包含同一电梯井中的一个或多个电梯轿厢(10)，且该控制系统包含利用遗传算法的遗传算法GA优化器，该GA优化器被设计为：

形成至少一个分配选项，即染色体(11)，染色体(11)包含用于每个主动层站呼叫或目的地呼叫的呼叫数据和电梯数据，这些数据，即基因(17)共同确定服务该层站呼叫或目的地呼叫的电梯轿厢(10)；

对于每个染色体(11)，确定费用函数的值(14，19)；

关于至少一个基因(17)，配制至少一个染色体(11)；

对于每个配制的染色体，确定费用函数的值(14，19)；

重复染色体的配制，直到满足退出标准；

基于费用函数的值(19)，选择最佳的染色体；以及

根据所选择的最佳染色体的基因，将电梯轿厢(10)导向所发出的呼叫，

其特征在于该GA优化器进一步被设计为：

将关于运行类型的信息，即运行类型基因(21，23，25，27)与染色体(11)相关联，在运行类型基因中，运行类型确定速度曲线，染色体(11)与每个呼叫数据和每个电梯数据有关，根据该速度曲线，拥有电梯轿厢(10)的电梯在出发楼层和由呼叫基因(20，22，24，26)定义的呼叫发出楼层之间行进，该呼叫基因(20，22，24，26)与运行类型基因(21，23，25，27)相关联。

12.如权利要求11所述的控制系统，其特征在于GA优化器进一步被设计为：

通过由电梯的轿厢负载和运行类型确定的速度曲线，来确定每个电梯行程的电梯的动能；

将电梯系统所消耗的总能量选择作为费用函数或其中的一部分(14，19)，使得费用函数(14，19)包括应用于电梯动能的项；以及

将找到电梯系统的总能量消耗的全局最小值选择作为退出标准。

13.如权利要求11或12所述的控制系统，其特征在于GA优化器进一步被设计为：

通过选择、交叉和/或突变(18)，将染色体(11)配制为遗传算法的下一代。

14.如权利要求11至13中任一项所述的控制系统，其特征在于：在GA优化器中，当获得费用函数的预定值(19)、代的数量、算法的处理时间或人数的足够均匀性时，满足退出标准。

15.如权利要求11至14中任一项所述的控制系统，其特征在于GA优化器进一步被设计为：

定义染色体(11)的费用函数(14，19)，使得费用函数包括能量消耗项和服务时间项，并利用预设的加权系数对这两者进行加权；以及

在费用函数的计算(14)中，将电梯模型(12，13)和电梯系统的当前状态用作辅助。

16.如权利要求11至15中任一项所述的控制系统，其特征在于GA优化器进一步被设计为：

从包括电梯系统的能量消耗、乘客等候时间、乘客行程时间和乘客运行时间的一组中选择至少一项作为费用函数(14)的项；以及

当计算能量消耗时，考虑电梯的动能、储存在电梯中的势能、在摩擦中消耗的能量和/或其它损耗，以及被再生到电力传输系统的能量。

17.如权利要求11至16中任一项所述的控制系统，其特征在于GA优化器进一步被设计为：

从一组量值中为根据每个运行类型的电梯运行速度曲线定义至少一个约束，其包括电梯的最大速度、最大加速度和最大急冲，并且急冲被定义为单位时间内加速度的变化。

18.如权利要求11至17中任一项所述的控制系统，其特征在于GA优化器进一步被设计为：

为每个静止的电梯定义染色体(11)的方向基因(16)。

19.如权利要求11至18中任一项所述的控制系统，其特征在于GA优化器进一步被设计为：

定义“正常”(23)、“轻微减速”、“明显减速”、“轻微加速”以及“明显加速”作为运行模式。

20.如权利要求19所述的控制系统，其特征在于GA优化器进一步被设计为：

通过定义电梯所使用的最大速度来定义运行类型，使得：在运行类型“正常”(23)时，使用电梯的额定行进速度，而在其它运行类型时，电梯的行进速度按照由预设值的量确定的百分比偏离额定速度。

21.一种用于基于所发出的呼叫来控制属于一电梯组的多电梯的计算机程序，其中，电梯包含布置在同一电梯井中的一个或多个电梯轿厢(10)，并且该计算机程序利用遗传算法，并且该计算机程序包括程序代码，该计算机程序被设计为：当在数据处理设备上运行时执行该算法的以下阶段：

形成至少一个分配选项，即染色体(11)，染色体(11)包含用于每个主动层站呼叫或目的地呼叫的呼叫数据和电梯数据，这些数据，即基因(17)共同确定服务该层站呼叫或目的地呼叫的电梯轿厢(10)；

对于每个染色体(11)，确定费用函数的值(14，19)；

关于至少一个基因(17)，形成至少一个染色体(11)；

对于所形成的每个染色体，确定费用函数的值(14，19)；

重复形成染色体(11)，直到满足退出标准；

在费用函数的值(19)的基础上，选择最佳的染色体；以及

根据所选择的最佳染色体的基因，将电梯轿厢(10)导向所发出的呼叫，

其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

将关于运行类型的信息，即运行类型基因(21，23，25，27)与染色体(11)相关联，染色体(11)与每个呼叫数据和每个电梯数据有关，在运行类型基因中，运行类型确定速度曲线，根据该速度曲线，拥有电梯轿厢(10)的电梯在出发楼层和由呼叫基因(20，22，24，26)定义的呼叫发出楼层之间行进，该呼叫基因(20，22，24，26)与运行类型基因(21，23，25，27)相关联。

22.如权利要求21所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

通过由电梯的轿厢负载和最大行进速度的运行类型确定的速度曲线，来确定每个电梯行程的电梯的动能；

将电梯系统所消耗的总能量选择作为费用函数或其中的一部分(14，19)，使得费用函数(14，19)包括应用于电梯动能的项；以及

将找到电梯系统的总能量消耗的全局最小值选择作为退出标准。

23.如权利要求21或22所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

通过选择、交叉和/或突变(18)，将染色体(11)配制为遗传算法的下一代。

24.如权利要求21至23中任一项所述的计算机程序，其特征在于：当获得费用函数(19)的预定值、代的数量、算法的处理时间或人数的足够均匀性时，满足退出标准。

25.如权利要求21至24中任一项所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

定义染色体(11)的费用函数(14，19)，使得费用函数包括能量消耗项和服务时间项，并通过预设的加权系数对这两者进行加权；以及

在费用函数的计算(14，19)中，将电梯模型(12，13)和电梯系统的当前状态用作辅助。

26.如权利要求21至25中任一项所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

从包括电梯系统的能量消耗、乘客等候时间、乘客行程时间和乘客运行时间的一组中选择至少一项作为费用函数(14，19)的项；以及

当计算能量消耗时，考虑电梯的动能、储存在电梯中的势能、由摩擦而消耗的能量和/或其它损耗，以及被再生到电力输入系统的能量。

27.如权利要求21至26中任一项所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

从一组量值中为根据每个运行类型的电梯运行速度曲线定义至少一个约束，其包括电梯的最大速度、最大加速度和最大急冲，并且急冲被定义为单位时间内加速度的变化。

28.如权利要求21至27中任一项所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

为每个静止的电梯定义染色体(11)的方向基因(16)。

29.如权利要求21至28中任一项所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

定义“正常”(23)、“轻微减速”、“明显减速”、“轻微加速”以及“明显加速”作为运行模式。

30.如权利要求29所述的计算机程序，其特征在于该程序代码进一步被设计为当在数据处理设备上运行时执行以下阶段：

通过定义电梯所使用的最大速度来定义运行类型，使得：在运行类型“正常”(23)时，使用电梯的额定行进速度，而在其它运行类型时，电梯的行进速度按照由预设值的量确定的百分比偏离额定速度。

31.如权利要求21至30中任一项所述的计算机程序，其特征在于：在数据处理设备中，计算机程序储存在可读介质中。

Images