随着电梯导轨产业的迅速发展,对导轨的精度要求越来越高,而直线度指标是导轨精度最重要的因素。近些年来,国内的电梯导轨自动校直机也在逐步取代以往手工校直的局面,但问题是校直效率不理想。针对此问题,需要对校直算法作改善,来提高高精度导轨的校直效率。而在影响高精度导轨校直效率的所有因数中,过压量的设计最为关键。因此本文在已开发的电梯导轨校直系统硬件平台上,提出了基于神经网络的过压量计算方案。本文首先对电梯导轨校直系统作简要概述,其中包括总体设计方案、直线度误差概念、导轨校直机械结构和校直原理等。其次分析神经网络的理论知识,其中包括BP网络模型、BP学习算法及步骤等,为MFC编程实现神经网络的算法打下基础。然后从整体的角度讲述系统的校直算法,其中包括导轨校直流程、压点位置的设计、单个压点的校直过程设计等。接着从局部的角度详细叙述了过压量的计算方法,重点是样本训练在MFC程序设计中的实现过程和神经网络算法在校直系统中的应用过程。最后,对基于神经网络的导轨校直系统进行现场调试。在导轨初始弯曲值较小的情况下,弯曲变形形式不同的导轨校直效率都很高。而在导轨初始弯曲值超过5mm的情况下,提出了改进的导轨校直方法。同时,在整长弯曲值和左、右500mm的值三个指标均不合格的情况下,提出了神经网络的应用拓展。改进后的算法都有效地减少了导轨的检测次数。