电梯运动零速停靠控制算法

http://www.paper.edu.cn - 1 - 电梯运动零速停靠控制算法 李喆，丁宝 哈尔滨工业大学电气工程系，哈尔滨 (150001) E-mail：limeizheng123@163.com 摘 要：本文通过 BP神经网络的训练，给出了一种电梯运行速度曲线的优化算法，力求在 现有条件的基础上找出速度控制的最佳方案，减少爬行距离，解决目前国内电梯速度控制中 存在着的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，实现快速、高效及舒适感较佳的电梯速度控制。 关键词：零速停靠；爬行距离；BP神经网络；MATLAB仿真 1. 引言 现今生活中，电梯已经成为人们不可缺少的工具，而在电梯的运行中，还存在着许多问 题，影响乘客乘坐的舒适度和浪费乘客乘坐的时间。原因为电梯在接近目标楼层时存在一个 约费时 10 秒左右、爬行距离 10cm 左右的平层低速运行段，这个距离只能减少，而无法完 全消除的。在某种意义上说，这个爬行段还是必要的。当电梯到达目标楼层时，抱闸强制电 梯制动，而不是 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 速度曲线的零速停靠。如果在电梯到达目标楼层时还未进入爬行速度， 电梯会自动被抱闸停靠，给人不舒适的感觉。这是由于钢丝绳与曳引轮之间的摩擦、打滑、 曳引轮磨损、变频器控制误差等因素所造成的综合性干扰而引起的运行速度曲线偏移预定轨 迹而造成的。所以必须减少或增加一段运行距离。 为了减少爬行时间，提高效率，使乘客乘坐更加舒适，本文对影响电梯不能准确停靠的 因素进行研究，并寻求电梯运行速度曲线的优化算法，以求解决目前普遍存在的电梯平层爬 行问题[1]。 在电梯控制系统方面，目前国外发达国家的电梯正在推广 32位微机控制系统。他们都 采用闭环反馈单微处理机控制系统或多微处理机协调控制系统。在电梯传动系统方面，采用 交流变压变频(VVVF)调速技术，实现电梯从超低速到高速无级调速的高精度运行，具有节 能、对电网污染小、乘坐舒适感佳等优点。在交流电机变频调速控制系统中通常采用矢量控 制技术，低速控制性能尤为突出。在电梯反馈系统方面，除了采用旋转编码器获得电梯轿厢 位置信号外，还有一些厂家采用绝对值编码器从电梯轿厢上反馈位置信号给系统，对曳引电 机进行以距离为原则的控制，以实现直接平层技术，达到优越的电梯运行效果。 在文献[1]中，陈伟国提出的 SDCS(Surplus Distance Control Speed)速度控制系统，实现 了速度的双闭环，提高运行性能；在文献[2]中，顾晨提出的 ADCM(Absolute Distance Control Model)电梯速度控制系统，大大优化了电梯速度控制的性能。他们都用到了绝对值编码器。 但目前，国内还没有电梯厂家以绝对位置的剩余距离原则进行速度控制的电梯速度控制系 统，也没有在这方面进行深入的研究。所以存在一定的缺陷和不足[2, 3]。 因此，通过本文的研究，提高了电梯的运行效率和舒适感，具有一定的创新性，填补了 国内的空白，因此该课题的研究具有较大的现实意义和理论意义。 2. 电梯速度曲线的优化和神经网络 2.1 优化实现机理 影响电梯按给定速度曲线运行的干扰因素： http://www.paper.edu.cn - 2 - 1）载流量变化。这是最主要的干扰，因为载流量一般是无法事先确定的。如果载流量过大 或过小，轿厢与导轨之间很容易发生打滑现象，影响电梯正常运行。 2）由于钢丝绳与曳引轮之间的摩擦、曳引轮磨损、变频器控制误差等因素所造成的综合性 干扰而引起的运行速度曲线偏移预定轨迹。这种误差的大小与运行距离有很大的关系，运行 距离越长，误差越大 2.1.1 满速度曲线优化实现机理（ 0S∆ < ） 为了消除上诉干扰，必须进行平层误差校正。由 “抛物线-直线-抛物线”型速度曲线可知， 上述问题可转换为如何确定 'CD 段的长度。假设运行距离为 S，载流量为M ，CD段距离 为 aS ， 'CD 段的距离为 'aS ，神经网络优化模型给出的输出量（即平层距离误差值）为 S∆ （假 设实际运行距离大于等于预定运行距离，也即 0S∆ > ）， 假设实际运行距离小于等于预定运行距离，即 0S∆ < 。如图 2-1所示， 则有： ' 'S S Sa a= + ∆ 显然 'S S=∆ ∆ 在 C点的速度可根据理想运行曲线得到： Vc Vm= 从而应在D点后延迟 S∆ 后到 'D 点才采取减速措施，其中： ' ' 4 3 Sat t S Vm = + + ∆ 1t 2t 3t '4t4t 5t 6t 7t S∆ 'S∆ 图 1 理想速度曲线及平层误差校正示意图 http://www.paper.edu.cn - 3 - 2.1.2 分速度曲线优化实现机理（ 0S∆ ≤ ） 'C 'B 'D 'E 'F'2t '3t '4t '5t '6t '2t '3t '4t '5t '6t '2t '4t '5t '6t 'Vm 图 2 分速度理想速度曲线及平层误差校正示意图（ 0S∆ ≤ ） 分速度理想速度曲线及平层误差校正示意图如图 4-3所示。假设实际运行的距离大于等 于理想运行的距离，即 0S∆ ≤ 。 由神经网络可以得到理想输出量，也就是平层距离误差， Y S= ∆ 。 由于 AB和 DE段为匀加速段，可以在两段分别减少相同的加速阶段，来减少运行距离， 以达到准确平层。 在 A点的加速度a am= 21 2 S at=Q 21 2 2 S amt∆∴ = St am ∆= '2 2t t t= − BC段： http://www.paper.edu.cn - 4 - 21( ) 2BC m m V a t dt a t tρ ρ= ∫ − = − 21 2m m V V a t tρ= + − ' ' 3 3 ' ' ' ' 2 2 ' 3 ' 2 2 2 3 ' ' 2 ' 3 ' ' 2 ' 3 3 3 3 2 2 2 1( ) 2 1 1 2 6 1 1 1 1 2 6 2 6 t t m mBC t t t m m t m m m m S Vdt V a t t dt V t V t t V t V t t V t V t t ρ ρ ρ ρ = = + − = + − = + − − − + ∫ ∫ 由于 '2t 已知，则方程为只有 '3t 一个未知数的方程。 根据原先 3 26 m m m BC m m V a aS ρ ρ= − 也为已知 则 ' 'BC BCS S= ' ' 2 ' 3 ' ' 2 ' 3 3 3 3 2 2 2 1 1 1 1 2 6 2 6BC m m m m S V t V t t V t V t tρ ρ= + − − − + 可编程求得 '3t 亦知 ' ' ' ' ' '4 3 3 2 3 22t t t t t t= + − = − ' ' 6 5 1t t t= + ' '5 4 2 1( )t t t t t= + − − ' ' 6 5 1t t t= + 2.2 神经网络 首先，问题的关键在于建立输入量与输出量之间最优的函数关系。这种最优函数关系的 寻找将通过神经网络自身的高度非线性逼近映射、特有的联想记忆、在线学习和优化等功能 来实现。其次，在于解决如何根据误差优化值来采取相应的误差消除措施。 考虑到爬行段距离并不是固定的，它是多种因素综合作用产生的一个变化量。因此需要 一种优化策略，把这个爬行距离事先预测出来，从而可以采取恰当的措施消除或减少这段爬 行距离。由于爬行距离是变化的，因而这个预测的过程也是动态的，应当根据变化的爬行距 离而不断调整预测手段，最终使得爬行距离越来越趋近于零，从而实现电梯的零速停靠。 基于上述思想，提出了应用神经网络来动态预测爬行距离的方法。而只要知道了爬行 的距离，就可采取相应措施消除或减少这段爬行距离。因此，神经网络动态预测爬行距离的 过程，就等效于电梯速度曲线动态优化的过程[4~6]。 人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统，实质是一个由大量 简单的处理单元组成的高度复杂的大规模非线性自适应系统，其功能取决于网络的结构、连 接强度以及各单元的处理方式[7~9]。 神经网络的特点是信息的分布 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示；运算的全局并行和局部操作；处理问题的非线性。 神经网络模型由处理神经单元；处理单元的激活状态；每个处理单元的输出函数；处理单元 http://www.paper.edu.cn - 5 - 之间的连接方式；传递规则；把处理单元的输入及当前状态结合起来产生激活值的激活规则； 通过经验修改连接强度的学习规则以及系统运行的样本环境共八个方面的要素组成。 神经网络与传统的物理符号系统的比较如表 1所示： 表 1 神经网络与物理符号系统的区别 Tab.1 The distinction between neural networks and physical symbol system 项目 物理符号系统 人工神经网络技术 实现方式 串行处理；有程序实现控制 并行处理；对样本数据进行多目标学习；通过神经元的相互作用实现控制 开发方法 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 规则框架程序用样本数据进行调试 定义人工神经网络的原始模型通过 样本数据，依据基本的学习算法完成 学习——自动寻找样本数据中的内 涵关系。 适应领域 精确计算；符号处理；数值计算 非精确处理；模拟处理大规模数据并行处理 模拟对象 左脑的逻辑思维 右脑的形象思维 2.2.1 BP神经网络 采用神经网络动态预测爬行距离，这个爬行距离就是神经网络的输出量。至于输入量， 则是各种干扰量。为了简化分析，本文对这些干扰量进行了综合，认为各种干扰量集中反映 在载重量与运行距离上。也就是说，可以用载重量与运行距离作为衡量干扰强度的尺度。载 重过大或过少，将直接影响电梯运行平稳性与快速性，对运行安全性也有所影响。而运行距 离越长，由各种干扰因素作用引起的误差也必然越大。于是把载重量与运行距离看作输入量。 这样就可建立一个有 2个输入量、1个输出量的 BP神经网络，如图 2-3所示。 图 3 本文初步设计的 BP神经网络结构图 通过实际测量获得足够多的样本数据，然后对该神经网络进行训练，就可在输入量与 输出量之间建立起最优的传递函数。运用到电梯实际运行过程中时，根据实际的输入（乘客 重量、起始楼层与目标楼层之间的距离），就可得到理想的输出量（平层距离误差，即爬行 http://www.paper.edu.cn - 6 - 距离）。得出了这个爬行距离，就可以通过在匀速运行阶段多运行或少运行一段小距离的办 法消除或减少这个误差。 2.2.2 BP神经网络的传统构建 该 BP神经网络的功能是在误差允许范围内准确预测爬行距离。为鉴定那起见，并尽可 能提高预测准确度，拟设计四层神经网络，包含一个输入层，两个隐层，一个输出层。如图 4所示。以下对各层作一简要说明。 输入层：包含两个节点，对应两个输入量。其一是载流量，或电梯运送人/物的总质量。 一般在400kg～1600kg之间。这个可以通过电梯轿厢底部的电子秤重器获得。作为输入数 据时，为计算方便，可以乘一个系数，比如 0.00005。其二是运行距离，也就是目标楼层与 起始楼层之间的距离，一般为2～120米。这可以根据轿厢内按钮信号和电梯原始记录数据 获得。作为输入数据时，为计算方便，也可以乘一个系数，比如 0.04。 隐层：包含两层，第一层节点数为 40，第二层节点数为 30，这样将有 1200 个权值。 这对于实现满足要求的预测功能是足够了的，并且也不是很复杂，加速速度可以保证。 输出层：包含一个节点，对应一个输出量，即所预测的爬行距离。 1x 2x y 图 4 用于爬行距离预测的四层 BP神经网络 2.2.3 爬行距离预测在速度控制算法中的应用 基于爬行距离预测的速度曲线优化方法对于满速度运行的情况是完全可行的。本文已经 分析得出，只要在匀速运动阶段多运行或少运行一段小距离即可，或者说提前或滞后一个时 间段进入减速制动段即可。 对于采取时间原则或单纯距离原则给出速度曲线的速度控制方式，测出爬行距离之后， 所应采取的措施是提前或滞后一个时间段，如图 1中满速度运行曲线，减速点时刻为： '4 3 Sa St t Vm −∆= + 其中， Sa为原定速度曲线的匀速运动阶段运行的距离； S∆ 为神经网络预测所得的爬行距离。 对于采取时间-距离原给出速度曲线的速度控制方式，测出爬行距离之后，所应采取的 措施说明如下。 http://www.paper.edu.cn - 7 - 如前所述，正常情况下，进入减速制动运行段的条件是： 2 2 2 amams Vm ρ− ≤ 其中， s为检测到的剩余距离。 这种方法由于各种误差的存在，导致在减速制动制动阶段不可避免地产生爬行。现在 采用爬行距离预测优化方法，则应该提前或滞后一段时间进入减速阶段。由于一般情况下， 爬行距离都是正值，因此一般是要滞后一段时间进入爬行段。也就是说换速条件应调整为： 2 2 ( ) 2 amam S S Vm ρ+ ∆ − ≤ 这样理论上就实现了电梯的零速停靠，对速度曲线进行了优化。这一点也是本文所提 出的零速停靠控制算法与现有速度控制算法的区别所在。 电梯速度曲线是多种多样的，最基本的是满速度运行速度曲线和分速度运行速度曲线。 对于分速度运行曲线，和满速度运行速度曲线的优化方法稍有不同，由于不存在匀速运行阶 段，对它的优化存在一些困难，但应当仍然可以运用上述优化方法实现零速停靠。鉴于此， 本文零速停靠控制算法仅针对满速度运行情况。 3. 实验及结果分析 3.1 神经网络的训练 MATLAB包含了进行神经网络设计和分析的许多工具箱函数，运用 initff函数可以对 BP神经网络进行初始化；运用 trainbpx函数可以采用快速 BP算法对 BP神经网络进行训练； 运用 simuff函数可以对 BP神经网络进行仿真。 对四层神经网络进行训练的过程简述如下： (1) 运用 initff函数对 BP神经网络进行初始化 在MATLAB工作窗口输入 [w1， b1， w2， b2， w3， b3]=initff(p，40，30，’logsig’，t，’purlin’) 其中，p 为输入矩阵，即第 5 章所述的运行距离和载流量样本数据；t 为输出矩阵， 即爬行距离样本数据；w1，b1分别为权值矩阵和阀值矩阵，由系统根据样本数据自行设定。 (2) 运用 trainbpx函数采用快速 BP算法对 BP神经网络进行训练 在MATLAB工作窗口输入 [w1， b1， w2， b2， w3， b3， ep， tr]=trainbpx(w1，b1，’logsig’，w2，b2，’logsig’， w3，b3，’purelin’，p，t，tp) 其中，p为输入样本数据，t为输出样本数据，tp为训练参数，共有 8个： tp(1)：两次更新显示时间的训练次数，取为 50； tp(2)：训练最大次数，取为 200； tp(3)：误差平方指标，取为 0.001； tp(4)：学习速率，取为 0.001； tp(5)：学习速率增加的比率，取为 1.01； tp(6)：学习速率减少的比率，取为 0.99； tp(7)：动量常数，取缺省值 0.4； http://www.paper.edu.cn - 8 - tp(8)：最大误差比率，取缺省值 0.4； (3) 运用 simuff函数对 BP神经网络进行仿真 首先确定欲输入量矩阵 p，即确定欲输入的运行距离与载流量数据，如表 6-1所示。 然后在MATLAB工作窗口输入 a=simuff(p，w1，b1，’logsig’，w2，b2，’logsig’，w3，b3，’purelin’，p，t，tp) 可得到输出量矩阵，即预测所得的爬行距离。 3.2 速度控制算法的仿真 仿真结果如图 5、6所示。对各个图的仿真结果分析如下： 对于满速度，如图 5，各种有价值的数据见表 2。 对图 5，爬行时间与理想时间之比为 0.5923。可见爬行时间与理想运行时间几乎相等，这大大降低了电梯的运行效率。对于图 6-2(b)，爬行时间与理想时间之比为0.1382，爬行距离变为图 5(a)的14.72%，爬行时间变 为图 5(a)的 23.32%。与爬行距离预测值相比，采用零速停靠控制算法后，仿真所的得爬行 距离变为爬行距离预测值的 25.76%。而不采用零速停靠控制算法时，仿真所得爬行距离为 预测值的 130.3%。 0 2 4 6 8 10 0 0.5 1 1.5 2 0 2 4 6 8 10 0 0.5 1 1.5 2 (a)不采用零速停靠算法的仿真曲线 (b)采用零速停靠算法后的仿真曲线 图 5 w=300， 0 6S = 时的仿真曲线 表 2 采取零速停靠的满速度运行时间与爬行距离 Tab.2 Full speed running time and crawling distance when take zero-speed berth 爬行距离 （米） 爬行时间 （秒） 理想运行时 间 （秒） 爬行时间与 理想运行时 间之比 爬行距离仿真值 与预测值之比 图 5(a)数据值 0.086 3.8501 6.5 0.5923 1.303 图 5(b)数据值 0.017 0.898 6.5 0.1382 0.2576 图 5(b)与图 5(a)数据值之 比 0.1976 0.2332 对于分速度，如图 6，各种有价值的数据见表 3。 比照图 6(a)与图 6(b)的数据可知，采 用零速停靠控制算法后，爬行距离减低至原来的 25.21%，爬行时间减低至原来的 20.86%。 与爬行距离预测值相比，采用零速停靠控制算法后，仿真所的得爬行距离变为爬行距离预测 值的 25.21%。而不采用零速停靠控制算法时，仿真所得爬行距离为预测值的 101.7%。 http://www.paper.edu.cn - 9 - (a)不采用零速停靠算法的分速度仿真曲线 (b)采用零速停靠算法后的分速度仿真曲线 图 6 w=300， 0s =3时的仿真曲线 表 3 采取零速停靠的分速度运行时间与爬行距离 Tab.3 Not reach full speed running time and crawling distance when take zero-speed berth 爬行距离 （米） 爬行时间 （秒） 理想运行时 间（秒） 爬行时间与理 想运行时间之 比 爬行距离仿真值 与预测值之比 图 6-5(a)数据值 0.0602 1.5695 3.9 0.4024 1.0117 图 6-5(b)数据值 0.0150 0.3275 3.9 0.0710 0.2521 6-5(b)与图 6-5(a)数据值 之比 0.0576 0.2086 4. 结论 本文给出了一种电梯运行速度曲线的优化算法，不但大幅度减少了爬行距离，而且也大 幅度减少了爬行时间，提高了电梯运行效率。此外，也可知上述零速停靠控制算法可以有效 的根据神经网络预测所得的爬行距离减少实际运行过程中的爬行距离。并且，神经网络对爬 行距离预测的准确度还是比较高的。 参考文献 [1] 陈伟国.VVVF电梯的 SDCS速度控制研究［D］.杭州:浙江工业大学硕士论文,2005 [2] 顾晨.ADCM电梯速度控制系统的研究［D］.杭州:浙江工业大学硕士论,2004 [3] McCulloch W. C. and W. Pitts． A logical calculus of the ideas immanent in nervous activity［J］.Bulletin of Mathematical Biophysics. 1943,5:115-133 [4] 赵静,葛斌.电梯运行速度曲线的算法与仿真［N］.大连大学学报,1997 [5] 黄苏南,邵惠鹤,张钟俊.智能控制的理论和方法［J］.控制理论与应用,1994,4(11) :36-40 [6] 张广明,吕振坚.预测控制在交流电梯速度控制中的应用［N］．解放军理工大学学报,2002 [7] Bertan, R. Gete1.Advanced Automation Concepts for Large-Scale Systems［J］.IEEE Trans. on Control System Magazine,1991,10:4-12 [8] 赵国军,杨华勇．多模式模糊控制理论在速度反馈式液压电梯系统中的应用［J］.工业仪表与自动化装 置.1997,1:6-10 [9] Plaut D C, Nowlan S J, Hinton G E.Experiments on learning by backpropagation［J］ .Tech. Rep. CMU-CS-86-126,Computer Science Department,Carnegie-Mellon University,1986,7:49-54 http://www.paper.edu.cn - 10 - Elevator movement and Zero-speed berth control algorithm Li Zhe, Ding Bao Electrical Engineering Department of Harbin Institute of Technology, Harbin (150001) Abstract By BP neural network training, gives a lift speed of the optimization algorithm, to the existing conditions on the basis of the speed control to find the best solution to reduce crawling distance, the solution to the current national speed control in the elevator Of the issue and realize the rapid, efficient and comfortable better sense of the lift speed control. Keywords: Zero-speed berth; crawling distance; BP neural network; MATLAB simulation << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /All /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Warning /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJDFFile false /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /ColorConversionStrategy /LeaveColorUnchanged /DoThumbnails false /EmbedAllFonts true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveEPSInfo true /PreserveHalftoneInfo false /PreserveOPIComments false /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputCondition () /PDFXRegistryName (http://www.color.org) /PDFXTrapped /Unknown /Description << /FRA /ENU (Use these settings to create PDF documents with higher image resolution for improved printing quality. The PDF documents can be opened with Acrobat and Reader 5.0 and later.) /JPN /DEU /PTB /DAN /NLD /ESP /SUO /ITA