随着社会的发展,高楼大厦的不断兴建,电梯已经成为不可缺少的代步工具。在大型建筑物中,往往要安装电梯群来更好的为人们服务,对电梯群进行优化控制已成为社会发展的需要。电梯群控系统是将三台或三台以上的电梯作为一个整体进行管理的控制系统,其目的是有效地调度由尽可能少的电梯组成的电梯群。本文对电梯群控系统进行了研究,主要包括两个方面的内容:电梯交通模式识别和调度算法的研究,并在研究中引入了智能控制。论文首先研究了电梯群控系统的特征和性能评价指标。电梯群控系统是一个复杂的控制系统,表现为非线性、不确定性和多目标性。并且有如下衡量指标,包括时间评价指标、能耗评价指标、乘客状态评价指标和乘客的容忍度。文中对电梯群控系统的特性和评价指标进行了详细的论述。给出了交通流的基本概念及监测方法。研究了电梯群控系统的构成。论文还研究了应用于电梯群控系统中的智能控制技术,包括基于标准型的模糊神经网络和基于T-S模型的模糊神经网络。模糊神经网络同时具有模糊逻辑易于表达知识和神经网络自学习能力的优点,可有效的对复杂系统建模。文中给出了网络的结构,为交通模式识别和优化派梯提供理论基础。然后应用模糊神经网络对电梯的交通模式进行识别。研究了典型的交通模式,并给出了各种交通模式的特征。介绍了模式识别方法,并确定用模糊神经网络对交通模式进行识别,给出了模糊神经网络的学习算法,确立了模糊神经网络的模型。并针对交通特点采用两个网络对交通模式进行识别,先用网络Ⅰ识别上高峰、下高峰、空闲和层间模式的比例,当层间模式较大时,应用网络Ⅱ识别两路、四路和随机层间模式。用样本训练模糊神经网络,并用实际的交通流对网络进行测试。最后,对派梯原则和群控调度算法进行了研究。基于群控的不确定性和多目标性,提出了基于模糊神经网络的电梯群控优化控制,控制目标选择平均候梯时间、长候梯率和能耗指标。针对控制目标对派梯原则进行详细的研究,并且派梯原则是以当前的交通模式为前提的,应用了交通模式识别的结果。派梯通过基于T-S模型的模糊神经网络来实现,对模糊神经网络进行了改进,给出了该模糊神经网络的学习算法,并进一步验证了算法的有效性。