vINTELLIGENT CONTROL SYSTEMS FOR ELEVATOR GROUPUlvi DAGDELENErciyes University, Graduate School of Natural and Applied SciencesPh. D. Thesis, June 2006Thesis Supervisor: Prof. Dervis KARABOGAABSTRACTBy increasing the number of high building, high level elevator control systems becomea significant issue. It is needed more cars in order to meet the need of increasingbuilding population and to reach the highest handling capacity. Group controlalgorithms are improved for efficient operation and cooperation of cars.Elevator group control systems (EGCS) are control systems that manage to assign aservice car of multiple elevators in a building in order to efficiently transport thepassengers waiting in a hall. The main aim of the elevator group control is to obtain thehighest handling capacity, the shortest waiting and/or traveling time of passengers. Theperformance of the group control system is measured by several evaluation criteria suchas the average waiting time of passengers, the percentage of passengers waiting moretime of 60 sec and power consumption.A simulation program is prepared written for testing the proposed control algorithms inthis dissertation. The program has a flexible structure and can adjust the mainparameters such as the number of passenger, capacity and velocity of cars, opening-closing time of doors.In this dissertation, new algorithms based on expert knowledge are presented for EGCSand are compared with other conventional algorithms. In fourth chapter, a talentedalgorithm based on area weight algorithm is proposed and exhibits better performancesin terms of average waiting time, average traveling time, the percentage of passengerswaiting more time of 60 sec and the cars? stop number. A new method called asdynamical algorithm is also presented in this chapter. The dynamical algorithm hasbetter performances than the talented algorithm in terms of the parameters mentionedabove.viA fuzzy logic approach to decision mechanism is presented in fifth chapter. In thisapproach, the evaluation function of all cars is computed for each hall call and the mostsuitable car according to the smallest value of the function is assigned. The performanceof the fuzzy approach is close to that of the dynamical algorithm.In the sixth chapter, an artificial neural network model that evaluates the situations of allcars is developed. The model has the best performances for the fewer passengernumbers.In the seventh chapter, the last chapter of the dissertation, the results are discussed andsome suggestions for future works are made.Keywords: Elevator group control, expert system, fuzzy logic, artificial neural network.

iiiGRUP ASANSÖRLERİ İÇİN ZEKİ KONTROL SİSTEMLERİUlvi DAĞDELENErciyes Üniversitesi, Fen Bilimleri EnstitüsüDoktora Tezi, Haziran 2006Tez Danışmanı: Prof. Dr. Derviş KARABOĞAÖZETYüksek binaların sayısının artmasıyla yüksek seviyeli asansör kontrol sistemleri önemkazanmıştır. Artan bina nüfusuna cevap vermek ve yüksek taşıma kapasitesine ulaşmakiçin birden fazla kabine ihtiyaç doğmuştur. Bu kabinlerin verimli bir biçimde çalışmasıve kabinler arasında koordinasyonun sağlanması için grup kontrol algoritmalarıgeliştirilmiştir.Grup asansör kontrol sistemleri bir binadaki yolcuları verimli bir şekilde taşımak için 3veya daha fazla kabini yöneten sistemlerdir. Bu sistemlerin temel amacı, bir çağrıoluştuğunda o çağrıya cevap verecek uygun kabinin seçmektir. Bu seçim esnasındasistemin birçok parametreyi göz önüne alması gerekir. Bunlar yolcuların katta beklemesüresini ve bir kattan diğerine gidiş süresini azaltmak, her kata hizmet temin etmek vetaşıma kapasitesini mümkün olduğunca yüksek tutmak sayılabilir.Bu tez çalışmasında, önerilen kontrol algoritmaların testi için bir asansör benzetimprogramı yazılmıştır. Yazılan bu program esnek bir yapıya sahip olup asansörsistemlerinin temel parametreleri olan kabin kapasitesi, kabin hızı, kapı açılma vekapanma zamanları ve kat bilgisi gibi değerler ayarlanabilmektedir.Grup asansör kontrolü için uzman bilgisine dayanan yeni algoritmalar önerilmiştir.Önerilen bu algoritmalar ile klasik algoritmalar karşılaştırılarak performansıincelenmiştir. Elde edilen bulgulara göre dördüncü bölümde ele alınan geliştirilmiş alanağırlık (GAA) algoritması alan ağırlık (AA) algoritmasına göre ortalama beklemesüresi, ortalama seyahat süresi, uzun bekleyenlerin yüzdesi ve kabin durma sayısındanoluşan kriterlerin tümünden daha iyi sonuçlar vermiştir. Bu bölümde ayrıca dinamikalgoritma olarak adlandırılan yeni bir yöntem sunulmuştur. Yukarıda bahsedilenkriterler göz önüne alındığında dinamik algoritma GAA algoritmasından daha iyisonuçlar sergilemiştir.ivGrup kontrol sisteminin karar mekanizmasına bulanık mantık yaklaşımı beşincibölümde sunulmuştur. Bu yaklaşımda her çağrı için sistemdeki tüm kabinlerindeğerlendirme fonksiyonu hesaplanıp en küçük değere sahip olan dolayısıyla ilgili çağrıiçin en uygun olduğuna karar verilen kabin görevlendirilir. İlgili kriterler bakımındansunulan bulanık algoritmaların performansı dinamik algoritmanınki kadar tatminkardır.Altıncı bölümde uygun kabin seçme işleminde yukarıda değinilen algoritmalardan farklıolarak tüm kabinlerin durumunu değerlendiren bir yapay sinir ağı modeli geliştirilmiştir.Daha az yolcu sayıları için tezdeki algoritmaların hepsinden daha iyi performansgöstermiştir.Son bölüm olan yedinci bölümde tez çalışmasında elde edilen bulgular tartışılmış vegelecek çalışmalarla ilgili önerilerde bulunulmuştur.Anahtar Kelimeler: Grup asansör kontrolü, uzman sistem, bulanık mantık, yapay sinirağları.