改革开放几十年以来,我国在经济、政治、文化方面的发展都达到世界先进水平,城市化建设及农村变社区的发展政策导致从前的平房转变为高楼大厦,电梯作为高楼内部上下运行的交通工具,不管是在商场、医院还是居民区都是不容忽视的存在。随着电梯在用量的急剧增多,维保措施不完善、警示不及时等都会导致电梯事故频频发生,时至今日,电梯伤人事故还仍时有发生,因此电梯的安全运行监控以及故障预测已经成为如今社会现代化发展进程中的重要课题。本文开篇介绍了国内电梯领域的背景,紧接着对电梯系统结构、技术指标和常见故障进行分析,并对比调研了国内外电梯监控的研究状况,指出国内外电梯监控系统中存在的各自的优缺点,强调了电梯领域的故障预测技术研究的高需求。同时介绍了故障预测技术和RBF神经网络的发展现状。针对上述问题,本文主要工作如下:(1)搭建了 一个开放性和通用性都有所提高的新型电梯运行监控预警系统,配套开发Web监管平台。该系统采用独立于电梯品牌的外置多个传感器,全天候不间断对电梯运行状态参数进行监测,实现了电梯运行参数监测收集、电梯维保检验记录存储、各单位(物业单位、维保单位、检验单位等)信息管理、地图可视化和警示提示及相关信息统计等功能。本文系统创新之处在于增加了数据库管理功能和警示提示功能,提高了传统系统的信息化管理水平,且可以对电梯往后一段时间可能发生的故障类型进行预测和提示,使相关人员可以提前进行针对性检修,降低电梯故障的发生频率。针对没有能够提前排除的故障,系统也能够根据实时监控到的数据参数,在故障发生之后尽可能短的时间内进行故障报警,为故障的及时解除提供条件。(2)将RBF径向基神经网络与电梯故障预测结合,搭建了一个可根据电梯运行状态参数对电梯往后一段时间可能发生的故障类型进行有效预测的神经网络模型。同时针对标准的RBF径向基神经网络存在初始隐含层节点中心选择过于随机的缺点,而这又对模型的结果有很大的影响,本文选用PSO算法来优化其模型参数。在电梯运行监控预警系统收集到的电梯运行数据之上,对标准RBF神经网络预测模型和优化后的模型进行对比试验,通过实验结果分析,可以得出RBF神经网络在电梯领域的故障预测的可行性,同时也表明PSO优化算法能有效提高RBF神经网络的预测精度和训练速度。