建筑物的层数不断增加,我们对于电梯的性能要求越来越高,单部电梯已经不能满足乘客对上下交通的需求,多部电梯随之出现,解决多部电梯间如何进行有效的相互联接成为首要问题。神经网络具备良好的自学习功能,能够通过结果数据不断地改进系统自身系统性能,在数据分析预测领域有着广泛的应用,对电梯控制系统的优化有极其重要的作用。但是神经网络容易陷入系统极大值,导致系统输出误差大。近年来逐步应用到电梯控制领域当中的粒子群算法对神经网络算法进行优化,能够避免神经网络易陷入极大值等缺点,提高系统的性能。首先,课题分析了电梯的主要组成,以一座16层的商务楼为设计背景,对楼内电梯的群控系统进行了设计,并进行了PLC、变频器等核心电气设备的系统设计、软件控制算法仿真分析、电梯控制系统的PLC程序设计。其次,课题根据实际电梯情况设计了电梯系统的评价函数,结合电梯评价指标用MATLAB进行了神经网络建模、训练和测试,发现神经网络存在训练速度慢、容易陷入局部极大值和全局搜索能力弱等缺点,利用神经网络的自学习功能并不是总能获得评价参数。然后,课题分析了粒子群算法的基本原理,用粒子群算法对神经网络的初始权值和阈值进行优化,通过MATLAB仿真分析,发现粒子群优化后的神经网络可以减少训练迭代次数及系统优化学习的时间,方便全局最优解的寻找,改善了神经网络存在的训练速度慢、容易陷入局部极大值和全局搜索能力弱等缺点,得到更快的收敛速度和更好的收敛性能等优点,达到了预期目标。最后,课题通过对电梯的交通客流模型进行分析,在典型的交通模式下,应用Labwindos/CVI软件对电梯群控系统进行仿真,验证了粒子群优化神经网络算法在电梯群控中的可行性和优越性,表明粒子群算法对神经网络在电梯群控中的科研意义。