[发明专利]基于RF-GA-SVM算法的升降机输出电压控制方法

说明书

本发明属于升降机变频器输出电压控制技术领域，尤其涉及一种基于RF‑GA‑SVM算法的升降机输出电压控制方法，包括以下步骤：步骤1、确定施工升降机变频器输出电压的初始影响因素；步骤2、利用随机森林算法对初始影响因素下的施工升降机变频器输出电压进行重要度计算；步骤3、根据重要度计算结果，确定各初始影响因素的权重值，选择影响因素的样本约简集合；步骤4、利用遗传算法对支持向量机的惩罚因子C和径向基半径g进行优化；步骤5、利用优化后的支持向量机对样本约简集合的影响因素进行变频器输出电压预测。本发明供一种预测速度较快、预测准确率较高的基于RF‑GA‑SVM算法的升降机输出电压控制方法。

技术领域

本发明属于升降机变频器输出电压控制技术领域，尤其涉及一种基于RF-GA-SVM算法的升降机输出电压控制方法。

背景技术

建筑领域中，为解决施工升降机在超高层建筑施工中，驱动电机的供电电压有级调节的方式，从380V直接提升到了690V，使得施工升降机在制造过程中产生大量的电能损失。目前，施工升降机的电压调节多采用变频器技术进行调节，然而变频器的调节技术对变频器输出电压的控制准确性较差，在实际的运行过程中将产生能耗浪费。因而，在变频器输出电压控制方法上需要更适当的控制方法，以进行运行能耗的优化。

有一部分学者采用BP神经网络PID控制方法使电梯的运行更加稳定，系统动态性能有所提高，但BP神经网络算法的收敛速度慢且存在过拟合的问题，对于多因素影响的电压预测准确性较低。

还有根据模糊BP神经网络的电梯群控系统改善了运行效能，虽然模糊控制改善了BP神经网络控制的准确性，但是算法本身的特性局限了控制准确性的提高。

发明内容

本发明的主要目的在于解决现有技术中存在的问题，本发明提供一种预测速度较快、预测准确率较高的基于RF-GA-SVM算法的升降机输出电压控制方法。

本发明所解决的技术问题采用以下技术方案来实现：一种基于RF-GA-SVM算法的升降机输出电压控制方法，包括以下步骤：

步骤1、确定施工升降机变频器输出电压的初始影响因素；

步骤2、利用随机森林算法对初始影响因素下的施工升降机变频器输出电压进行重要度计算；

步骤3、根据重要度计算结果，确定各初始影响因素的权重值，选择影响因素的样本约简集合；

步骤4、利用遗传算法对支持向量机的惩罚因子C和径向基半径g进行优化；

步骤5、利用优化后的支持向量机对样本约简集合的影响因素进行变频器输出电压预测。

进一步，所述施工升降机变频器输出电压的初始影响因素包括外部环境影响因素和能量传递过程中影响因素。

进一步，所述外部环境影响因素包括空气密度、实时风速、瞬时风向、倾斜角、吊笼温度。

进一步，所述能量传递过程中影响因素包括减速器转速、负载转矩、运行高度、电机温度、减速比、齿轮箱油温、齿轮箱油压。

进一步，步骤2、利用随机森林算法对初始影响因素下的施工升降机变频器输出电压进行重要度计算，进一步包括，

重要度计算公式为

进一步，步骤5、利用优化后的支持向量机对样本约简集合的影响因素进行变频器输出电压预测，进一步包括，

利用优化后的支持向量机对样本约简集合的影响因素进行变频器输出电压回归预测。

本发明的有益效果为：

1、利用随机森林算法对初始影响因素下的施工升降机变频器输出电压进行重要度计算；根据重要度计算结果，确定各初始影响因素的权重值，选择影响因素的样本约简集合；而且样本约简集合的建立可以提高变频器输出电压的预测速度。