随着高层建筑物的日益增多,电梯群在高层建筑和智能大厦中的作用越来越重要,电梯群控系统已经称为国内外研究的热点。本文的目的是根据电梯群控的理论和研究焦点,应用合适的智能算法进行电梯群控制。本文首先回顾了电梯群控的发展历史和现状,介绍了电梯群控的基本理论和两种常用的电梯群控系统控制方法：模糊逻辑和神经网络,并分析了他们的优缺点。然后,本文介绍了模糊逻辑和神经网络结合的模糊神经网络,并详细分析了模糊神经网络的结构和推理过程,然后针对本文采用的模糊神经网络模型,笔者编制了相应的MATLAB程序并对程序和模型进行了仿真实验以验证其有效性和可靠性。在完成了前文的理论准备后,本文对模糊神经网络进行混合训练学习,首先使用了k-均值算法初步确定了隶属函数的中心和宽度,然后使用顺序聚类方法提取模糊规则,最后使用带有动态惯性权值的PSO对隶属函数的中心和宽度进行了优化调整。经过混合训练学习方法对模糊神经网络的训练和优化后,可以得到较为完整的模糊神经网络。此处构建的模糊神经网络模型的方法将应用于随后的电梯群控模式识别模块和派梯调度模块。按照上文提到的模糊神经网络模型构建和训练学习方法根据交通流模式识别的特点和要求建立相应的模糊神经网络,然后通过构建并训练完毕的模糊神经网络对当前交通流特征值分析以得到相应的交通流模式,从而可以根据当前交通流模式制定相应的调度控制策略。之后按照上文提到的模糊神经网络模型构建和训练学习方法根据电梯群控派梯调度系统的特点和要求建立相应的模糊神经网络,根据前面得到的交通流模式和派梯调度策略,通过模糊神经网络对当前电梯运行状态数据进行的分析从而对呼梯信号序列进行调度。最后对本文建立的电梯群控系统进行了仿真和数据验证,根据模拟实际系统的运行,验证了本文算法和模型的有效性。