由于城市化进程的不断推进,土地空间资源的紧缩迫使建筑向高层化发展,这使得电梯的运行速度需求也不断抬升。在电梯产品向高速和超高速方向前进的同时,其水平振动问题也愈加激化,极大地影响了乘客的乘坐舒适性,甚至会引起眩晕和呕吐等剧烈反应。此外,电梯上的仪表仪器也会受到剧烈振动的影响,导致其老化加剧以至于损坏失效,从而引发更为严重的电梯安全事故。针对电梯在高速和超高速运行下导轨导靴、井道气流和曳引绳摇摆等复杂耦合振动激励的作用,本文以智能控制方法构建高速/超高速电梯水平振动控制策略,以满足耦合激励下的复杂控制需求。主要研究内容概括为以下三部分:（1）根据不同运行速度下的控制需要,分别构建了针对高速电梯的6自由度水平振动动力学模型和针对超高速电梯的8自由度水平振动动力学模型。对于作为核心控制部件的导靴,考虑可调阻尼器中智能流体所带来的强非线性特性,以本文所使用的磁流变阻尼器为代表,基于模糊神经网络构建了数据驱动的非参数化逆模型,并通过振动力学实验台测量了磁流变阻尼器的实际响应,对比模拟响应验证了所构建逆模型的准确性。借助合作公司120m电梯实验塔搭建高速/超高速电梯实验平台,测定计算真实运行环境下电梯轿厢的实际响应,获取真实振动信号对控制器进行学习训练和检验,并对复杂耦合振动激励进行时域和频域分析,进而针对振动特征改进控制器的设计。（2）基于高速电梯水平振动动力学模型和磁流变阻尼器非参数化逆模型,提出了一种基于萤火虫算法-误差反向传播算法的模糊神经网络的变论域模糊智能控制方法。该方法为有效抑制高速电梯由于导轨不平顺和井道活塞风等不确定因素所引起的轿厢水平振动,设计了变论域模糊主控制器对磁流变阻尼器输入电流进行控制,同时针对其变论域伸缩因子,设计了模糊神经网络副控制器以实现论域的精确调整,并引入萤火虫算法-误差反向传播算法对模糊神经网络副控制器进行训练。搭建高速电梯实验平台,通过实测激励信号与两种模拟激励信号分别进行仿真试验,结果显示所提出控制器的电梯水平振动加速度与倾斜角加速度等指标数值均低于被动控制与模糊神经网络控制,表明该控制方法能够有效抑制高速电梯水平振动。（3）针对运行速度提升至超高速后的电梯水平振动控制需求,基于超高速电梯水平振动动力学模型和磁流变阻尼器非参数化逆模型,提出了一种考虑输入饱和的超高速电梯水平振动增强变论域模糊神经网络智能控制方法。该方法考虑到了实际电梯中导靴-轿架-轿厢的多层级结构以及运行参数的不确定性,并进一步深入考虑了不同源头激励的作用方式及其复杂耦合控制需求。通过Ⅱ型模糊控制方法增强了变论域模糊控制器的模糊性,提高了控制器对于运行参数不确定性和时变性的包容能力。基于T-S型模糊神经网络增强了论域的精确调整能力,并构建抗饱和控制器补偿因神经网络带来的过饱和问题。搭建超高速电梯实验平台,通过实测激励信号与耦合模拟激励信号分别进行仿真试验,结果显示所提出控制器的电梯水平振动加速度与倾斜角加速度指标数值均低于对比控制器,表明该控制方法能够有效抑制超高速电梯水平振动。