高速电梯作为现代高层建筑必不可少的垂直运输工具,必须满足功能性、安全性的品质要求。高速电梯有运行速度快、提升高度大、起停加速多变等特点,在发生急停故障时会产生振动与噪声,严重影响了舒适性、安全性。高速电梯往往采用基于网络的数字化运行监控技术,产生的海量运行特征数据蕴含了大量的故障诊断信息。如何从高速电梯运行特征大数据中挖掘出故障信息,实现急停故障的快速诊断,对提高高速电梯的安全稳定运行具有重要意义。本文在综述机电设备故障诊断方法的基础上,研究了高速电梯运行特征与急停故障的分层关联、基于大数据分析的高速电梯急停故障特征提取、基于模糊BP神经网络的高速电梯急停故障诊断等技术,开发了高速电梯急停故障大数据分析与诊断系统,在高速电梯的急停故障诊断中进行了应用验证。全文的组织结构如下:第一章综述了大数据分析与故障诊断、机电设备故障诊断、电梯故障诊断等理论、技术与方法的研究现状。介绍了本文的研究背景、研究内容和研究意义。第二章在分析了高速电梯急停故障成因和高速电梯运行特征大数据的基础上,通过采集高速电梯运行特征参数,构建了高速电梯急停故障原因的层次结构模型,实现了基于分层映射的高速电梯运行特征参数与急停故障原因的关联映射。第三章运用二进小波变换在信号处理中具有时频两域高分辨率的特性,提出了基于小波模极大值的高速电梯急停故障特征降噪方法;采用粗糙集属性约简技术实现了高速电梯急停故障特征大数据的分析与提取。第四章研究了高速电梯急停故障诊断的模糊BP神经网络,基于神经网络的高速电梯急停故障诊断方法,基于神经网络的高速电梯急停故障诊断过程等,建立了高速电梯急停故障诊断模型,实现了高速电梯运行特征大数据分析与急停故障诊断。第五章根据本文提出的理论和方法,开发了高速电梯急停故障大数据分析与诊断系统,并在高速电梯急停故障诊断中进行了应用验证。第六章对论文的研究工作和主要成果进行了总结,根据研究的不足之处和需要深入研究的地方进行了展望。